TỐI ƯU HÓA DỰ ĐOÁN TƯƠNG TÁC PROTEIN-PROTEIN TỪ BIỂU DIỄN NGÔN NGỮ THÔNG QUA CƠ CHẾ CHỌN LỌC ĐẶC TRƯNG ĐA GIAI ĐOẠN VÀ HỌC MÁY XẾP CHỒNG

Mai Xuân Văn và CS. Tập 134, Số 2A, 2025 36 Sự đồng nhất giữa hai chỉ số AUC này khẳng định sự ổn định của khung làm việc E– StackPPI qua các phiên kiểm định chéo. Đặc biệt, giá trị PR–AUC ở mức cao (99.20%) minh chứng cho khả năng duy trì độ chính xác (Precision) ưu việt ngay cả khi mô hình nỗ lực tối đa hóa khả năng nhận diện các tương tác thực (Recall), một đặc tính thiết yếu giúp giảm thiểu tỷ lệ dương tính giả trong thực nghiệm sinh học. 3.4 Kết quả trên bộ dữ liệu DIP–Human Thay đổi kích thước biểu diễn nhúng theo từng lần kiểm định chéo Trên bộ dữ liệu DIP–Human, mỗi cặp protein được biểu diễn ban đầu bằng một véc tơ nhúng kích thước 2560 chiều, tương tự như trên DIP–Yeast. Sau khi áp dụng quy trình chọn lọc ba bước, số chiều được giữ lại có xu hướng cao hơn, phản ánh đặc điểm chức năng đa dạng và mức độ phức tạp lớn hơn của protein ở người. Bảng 3. Kích thước véc tơ nhúng trước và sau khi chọn lọc trên bộ dữ liệu DIP–Human. Lần Kích thước ban đầu Sau chọn lọc Lần 1 2560 1060 Lần 2 2560 1068 Lần 3 2560 1038 Lần 4 2560 1086 Lần 5 2560 1036 Trung bình 2560 1057.6 Kết quả cho thấy số chiều sau chọn lọc, số chiều dao động quanh mức ∼ 1057, cao hơn so với DIP–Yeast. Mức tăng này cho thấy quy trình chọn lọc thích ứng linh hoạt với mức độ đa dạng của dữ liệu, đồng thời giữ được sự ổn định cần thiết để mô tả hiệu quả các cặp protein trong đặc điểm sinh học phức tạp hơn ở người. Điều này chứng tỏ rằng cơ chế chọn lọc không áp đặt một kích thước cố định, mà "co giãn" tự nhiên theo độ phức tạp nội tại của hệ sinh học đang xét. Kết quả thử nghiệm

Trên bộ dữ liệu DIP–Human, vốn được xem là một bài toán thách thức hơn do mức độ đa dạng về chức năng và cấu trúc của protein ở người, E–StackPPI vẫn duy trì được hiệu năng rất cao. Độ chính xác tổng quan trung bình đạt 98.60%, trong khi độ chính xác và độ đặc hiệu đều xấp xỉ 98.77%. Đồng thời, diện tích dưới đường cong ROC đạt 99.70% và diện tích dưới đường cong chính xác–bao phủ đạt 99.54%. Việc toàn bộ các chỉ số đánh giá cùng tiến sát giới hạn hiệu năng cho thấy không gian biểu diễn nhúng sau khi chọn lọc đã được mô hình khai thác một cách hiệu quả, ổn định và nhất quán. Kết quả đầy đủ được trình bày trong Bảng 4.