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

jos.hueuni.edu.vn Tập 134, Số 2A, 2025 41 Kết quả loại trừ trên DIP–Human Kết quả tương tự cũng được ghi nhận trên bộ dữ liệu DIP–Human, như trình bày trong Bảng 8. Mặc dù hiệu năng cơ bản trên bộ dữ liệu người vốn đã cao hơn đáng kể so với yeast, mỗi tầng chọn lọc vẫn giúp hiệu năng được cải thiện một cách ổn định, đặc biệt đối với hệ số MCC. Cấu hình đầy đủ của E–StackPPI tiếp tục cho kết quả tốt nhất, qua đó khẳng định tầm quan trọng của việc loại bỏ sự tương quan nội tại khi làm việc trong một không gian đặc trưng giàu tính đa dạng về chức năng. Bảng 8. Kết quả ablation study trên bộ dữ liệu DIP–Human Cấu hình Accuracy (%) Precision (%) Recall (%) F1 (%) Specificity (%) MCC (%) ROC-AUC (%) PR-AUC (%) Baseline 97.16 ± 0.09 98.53 ± 0.13 95.75 ± 0.12 97.12 ± 0.09 98.56 ± 0.13 94.35 ± 0.17 99.01 ± 0.07 99.03 ± 0.09 Var–only 98.62 ± 0.10 98.80 ± 0.15 98.43 ± 0.10 98.62 ± 0.10 98.80 ± 0.15 97.23 ± 0.20 99.71 ± 0.05 99.55 ± 0.08 Var + Imp 98.60 ± 0.12 98.77 ± 0.13 98.43 ± 0.12 98.60 ± 0.11 98.77 ± 0.13 97.20 ± 0.23 99.70 ± 0.05 99.54 ± 0.07 E–StackPPI 98.60 ± 0.12 98.77 ± 0.13 98.43 ± 0.12 98.60 ± 0.11 98.77 ± 0.13 97.20 ± 0.23 99.70 ± 0.05 99.54 ± 0.07 4 Thảo luận Kết quả thực nghiệm trên hai bộ dữ liệu DIP–Yeast và DIP–Human là minh chứng rõ ràng cho hiệu quả của chiến lược chọn lọc đặc trưng ba tầng trong E–StackPPI. Các phân tích loại trừ tại Mục 3.6 khẳng định rằng sự tích hợp tuần tự của từng tầng chọn lọc đóng góp tích cực vào việc thiết lập hiệu năng tổng thể so với cấu hình cơ sở (baseline).

Đáng chú ý, kết quả thực nghiệm tại Bảng 7 và 8 cho thấy cấu hình Var–only đã đạt được ngưỡng hiệu năng tối ưu. Điều này gợi mở rằng các thông tin quan trọng nhất trong biểu diễn nhúng của ESM–2 thường tập trung ở những chiều có biến thiên rõ rệt. Tuy nhiên, việc duy trì hai giai đoạn lọc tiếp theo (LGBM-Imp và Correlation) là cần thiết để đảm bảo tính tối giản của vector đặc trưng cuối cùng, giúp loại bỏ triệt để các chiều dữ liệu đa cộng tuyến, từ đó gia tăng độ bền vững của mô hình khi vận hành trên các bộ dữ liệu có độ nhiễu cao hơn. Những quan sát này củng cố nhận định rằng hướng tiếp cận tập trung vào việc tổ chức lại và chọn lọc không gian biểu diễn có thể là một lựa chọn khả thi, thay thế cho việc gia tăng độ sâu của các kiến trúc học sâu. Điểm mạnh của chiến lược này nằm ở triết lý thiết kế "lọc – chưng cất – tái cấu trúc" thay vì "gia tăng độ sâu", giúp giảm chi phí tính toán nhưng vẫn đạt hiệu quả phân tách cao. Chiến lược này đặc biệt phù hợp trong những bối cảnh dữ liệu không quá lớn nhưng yêu cầu độ chính xác cao và cần bảo đảm tính ổn định giữa các lần huấn luyện. Về khía cạnh hiệu quả tính toán, mặc dù việc tính toán ma trận tương quan Pearson trong giai đoạn huấn luyện đòi hỏi chi phí nhất định, nhưng mô hình suy diễn cuối cùng (chỉ bao gồm các cây quyết định LightGBM và hồi quy tuyến tính) có độ phức tạp thấp hơn nhiều so với các mạng nơ-ron tích chập hay mạng đồ thị. Điều này cho phép E–StackPPI triển khai dễ dàng trên