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 40 3.6 Thử nghiệm loại trừ Để đánh giá một cách định lượng vai trò của từng tầng trong cơ chế chọn lọc đặc trưng, đồng thời kiểm chứng mức đóng góp của kiến trúc xếp tầng hai nhánh trong mô hình đề xuất, chúng tôi tiến hành một chuỗi thử nghiệm loại trừ trên hai bộ dữ liệu DIP–Yeast và DIP–Human. Mọi thử nghiệm đều sử dụng chung biểu diễn nhúng từ ESM–2 và áp dụng cùng quy trình kiểm định chéo 5 lần; sự khác biệt duy nhất nằm ở số tầng chọn lọc được kích hoạt và số nhánh của bộ phân loại. Bốn cấu hình được khảo sát bao gồm: Baseline (ESM-2 Raw) véc tơ nhúng ESM–2 với kích thước đầy đủ 2560 chiều được đưa trực tiếp vào một mô hình LightGBM duy nhất. Đây chính là cấu hình đối chứng nhằm trả lời câu hỏi về hiệu quả thực sự của quy trình đề xuất so với việc sử dụng mô hình ngôn ngữ gốc (chưa qua chọn lọc) trên cùng một bộ dữ liệu; (2) Var–only: chỉ loại bỏ các chiều có phương sai thấp, giúp đánh giá vai trò của tầng lọc biến thiên; (3) Var + LGBM–Imp: bổ sung thêm bước chọn các chiều có tầm quan trọng tích luỹ do LightGBM xác định nhưng chưa loại trừ các chiều có tương quan mạnh; (4) E–StackPPI: cấu hình đầy đủ của mô hình đề xuất, áp dụng tuần tự ba tầng chọn lọc đặc trưng, sau đó huấn luyện hai nhánh LightGBM chạy song song và kết hợp tại tầng quyết định bằng hồi quy logistic. Việc bổ sung hai nhánh LightGBM giúp mô hình quan sát không gian đặc trưng theo hai góc độ bổ sung, trong khi tầng quyết định học cách kết hợp tối ưu hai tín hiệu này trên từng phần dữ liệu. Nhờ cách tổ

chức này, sự khác biệt giữa các cấu hình phản ánh trực tiếp vai trò của từng tầng chọn lọc và từng nhánh trong việc ổn định hoá tín hiệu, giảm nhiễu và tăng cường khả năng phân tách lớp của mô hình. Các cấu hình được so sánh dựa trên hai chỉ số quan trọng nhất là độ chính xác tổng quan và hệ số tương quan Matthews. Kết quả loại trừ trên DIP–Yeast Bảng 7 cho thấy việc bổ sung từng tầng chọn lọc đặc trưng mang lại cải thiện đáng kể so với baseline. Tầng loại bỏ phương sai thấp giúp giảm nhiễu nền; tầng chọn theo tầm quan trọng của LightGBM nâng cao khả năng phân tách hai lớp; và tầng loại bỏ tương quan Pearson tiếp tục củng cố thêm mức ổn định của mô hình. Mặc dù cấu hình E–StackPPI sử dụng hai nhánh song song thay vì một nhánh duy nhất, kết quả trên DIP–Yeast cho thấy hiệu năng của var–only và var + LGBM–Imp vẫn rất gần mức tối ưu, phản ánh đặc thù của bộ dữ liệu yeast vốn có ranh giới phân tách khá rõ ràng khi sử dụng biểu diễn nhúng từ ESM–2. Bảng 7. Kết quả ablation study trên bộ dữ liệu DIP–Yeast Cấu hình Accuracy (%) Precision (%) Recall (%) F1 (%) Specificity (%) MCC (%) ROC-AUC (%) PR-AUC (%) Baseline 92.72 ± 0.56 93.71 ± 0.49 91.60 ± 0.90 92.64 ± 0.59 93.85 ± 0.49 85.47 ± 1.10 97.64 ± 0.33 98.04 ± 0.27 Var-only 95.73 ± 0.43 97.04 ± 0.19 94.33 ± 0.72 95.67 ± 0.45 97.12 ± 0.17 91.49 ± 0.84 99.09 ± 0.11 99.24 ± 0.09 Var + LGBM-Imp 95.67 ± 0.30 96.85 ± 0.16 94.40 ± 0.51 95.61 ± 0.31 96.93 ± 0.15 91.36 ± 0.59 99.04 ± 0.11 99.20 ± 0.09 E–StackPPI 95.67 ± 0.30 96.85 ± 0.16 94.40 ± 0.51 95.61 ± 0.31 96.93 ± 0.15 91.36 ± 0.59 99.04 ± 0.11 99.20 ± 0.09