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 42 các hệ thống không có GPU chuyên dụng. Ngoài ra, việc sử dụng Global Average Pooling, mặc dù có rủi ro làm loãng các tín hiệu motif cục bộ so với cơ chế Attention, lại giúp giảm đáng kể chiều dữ liệu đầu vào, phù hợp với mục tiêu xây dựng một khung dự đoán nhẹ nhưng vẫn tận dụng được sức mạnh ngữ nghĩa từ ESM-2. Trong tương lai, việc mở rộng quy trình chọn lọc sang các mô hình ngôn ngữ protein thế hệ mới hơn, cũng như thử nghiệm trên các dạng tương tác sinh học khác, có thể mang lại thêm những hiểu biết quan trọng về vai trò của biểu diễn nhúng trong học máy cho sinh học phân tử. Bên cạnh những ưu điểm nêu trên, E–StackPPI vẫn tồn tại một số hạn chế. Thứ nhất, mô hình phụ thuộc hoàn toàn vào chất lượng biểu diễn của ESM–2; do đó, những dạng tương tác phụ thuộc mạnh vào cấu trúc bậc ba hoặc bậc bốn có thể chưa được mô tả toàn diện khi chỉ dựa trên biểu diễn nhúng theo chuỗi. Điều này cho thấy rằng không gian nhúng tuyến tính hóa theo chiều dài chuỗi vẫn chưa phản ánh trọn vẹn các tín hiệu không gian ba chiều của bề mặt tương tác. Thứ hai, ba tầng chọn lọc vẫn sử dụng các tham số ngưỡng cố định (ngưỡng phương sai và ngưỡng tương quan), chưa khai thác các cơ chế tối ưu hoá thích nghi cho từng bộ dữ liệu. Những ngưỡng tĩnh này có thể chưa phản ánh tốt các phân bố dữ liệu có độ dị biến cao như ở các hệ protein người. Thứ ba, cách ghép cặp bằng cách nối trực tiếp hai vector nhúng là tuyến tính và chưa xem xét các dạng kết hợp phi tuyến giàu ngữ nghĩa hơn giữa hai protein. Những hạn chế

này chính là tiền đề mở ra nhiều hướng cải tiến tự nhiên cho các nghiên cứu tiếp theo. 5 Kết luận Nghiên cứu này đã thiết lập E–StackPPI, một khung tiếp cận tinh gọn nhưng có cấu trúc chặt chẽ cho bài toán dự đoán PPI. Thay vì gia tăng độ sâu của các mô hình học sâu hoặc phụ thuộc hoàn toàn vào những bộ đặc trưng thủ công truyền thống, E–StackPPI lựa chọn một cách tiếp cận cân bằng xuất phát từ biểu diễn nhúng của mô hình ngôn ngữ protein hiện đại, sau đó tái cấu trúc không gian biểu diễn thông qua ba tầng chọn lọc đặc trưng liên tiếp. Ba tầng này lần lượt loại bỏ những chiều ít biến thiên, lựa chọn các chiều mang nhiều thông tin và giảm tương quan nội tại, từ đó tạo ra một không gian biểu diễn cô đặc, ít nhiễu và phù hợp hơn cho bài toán phân tách nhị phân. Kết quả thực nghiệm trên hai bộ dữ liệu DIP–Yeast và DIP–Human là minh chứng rõ ràng cho hiệu quả của mô hình, với độ chính xác trung bình lần lượt 95.67% và 98.60%, hệ số MCC đạt 91.36% và 97.20%, đồng thời hai chỉ số ROC-AUC và PR-AUC đều vượt ngưỡng 99%. Khi đối chiếu với các phương pháp hiện hành được tổng hợp trong công trình của Li và cộng sự, mô hình đề xuất vượt qua toàn bộ 12 phương pháp tiên tiến trên cả hai bộ dữ liệu, đặc biệt ở các chỉ số đánh giá quan trọng như MCC, ROC–AUC và PR–AUC. Điều này khẳng định ưu thế của E–StackPPI không chỉ đến từ năng lực biểu diễn mạnh của mô hình ngôn ngữ protein, mà còn từ