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 33 được xác nhận sinh học, đồng thời loại bỏ hoàn toàn các trường hợp tự tương tác và những bản trùng lặp theo mọi phép hoán vị. Bước chuẩn hóa này nhằm thiết lập một tập dữ liệu dương tính tinh gọn, ngăn chặn việc thổi phồng hiệu năng mô hình do sự hiện diện của các cặp trùng lặp. Việc xây dựng tập âm tính là một bước đặc biệt quan trọng. Theo thông lệ trong cộng đồng, chúng tôi không chọn âm tính một cách ngẫu nhiên, mà ưu tiên những cặp protein không xuất hiện trong bất kỳ báo cáo tương tác nào và có đặc điểm sinh học tách biệt. Quy tắc này giúp giảm nguy cơ đưa nhầm các cặp thực sự có tương tác vào tập âm, từ đó làm tăng độ tin cậy của phép đánh giá. Tỷ lệ dương tính và âm tính được giữ cân bằng 1: 1 trong toàn bộ thử nghiệm. Tất cả chuỗi protein được ánh xạ sang không gian biểu diễn nhúng của mô hình ESM-2 650M, sau đó đi qua ba tầng chọn lọc đặc trưng xếp tầng, như minh họa ở Hình 1. Các tầng này lần lượt loại bỏ chiều ít biến thiên, chọn lọc theo độ quan trọng, rồi giảm tương quan; từ đó tái cấu trúc lại không gian nhúng theo hướng cô đọng và ít nhiễu hơn. Hình 1. Sơ đồ hệ thống E–StackPPI: Quy trình từ trích xuất đặc trưng nhúng ESM-2 (650M), lọc đặc trưng 3 giai đoạn đến dự đoán bằng kiến trúc Stacking.