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 34 3.2 Thiết lập thử nghiệm Quá trình kiểm định được tiến hành bằng phương pháp kiểm định chéo 5 lần (5-fold cross- validation). Ở mỗi vòng lặp, một phần dữ liệu (fold) được giữ lại để kiểm thử độc lập, bốn phần còn lại được sử dụng cho huấn luyện và điều chỉnh siêu tham số. Mỗi lần huấn luyện đều bao gồm đầy đủ ba giai đoạn: chọn lọc đặc trưng, hai nhánh LightGBM chạy song song và tầng hợp nhất hồi quy logistic. Toàn bộ quy trình được tái huấn luyện hoàn chỉnh ở mỗi phần nhằm đảm bảo phép đánh giá phản ánh đúng sự ổn định của mô hình. Hệ thống chỉ số đánh giá bao gồm độ chính xác tổng quan (Accuracy), độ chính xác (Precision), độ bao phủ (Recall), điểm F1 (F1-score), độ đặc hiệu (Specificity), hệ số tương quan Matthews (Matthews Correlation Coefficient – MCC), diện tích dưới đường cong ROC (ROC- AUC) và diện tích dưới đường cong Precision–Recall (PR-AUC). 3.3 Thử nghiệm trên bộ dữ liệu DIP–Yeast Thay đổi kích thước biểu diễn nhúng theo từng lần kiểm định chéo Ba tầng chọn lọc đặc trưng có tác dụng thu gọn mạnh không gian biểu diễn ban đầu, vốn có kích thước 2560 chiều do ghép hai véc tơ nhúng 1280 chiều của hai protein trong mỗi cặp. Sau khi áp dụng đầy đủ quy trình chọn lọc, số chiều còn lại giảm đáng kể và hình thành một không gian súc tích hơn nhưng vẫn bảo toàn phần thông tin quan trọng nhất. Kết quả qua năm lần kiểm định chéo của bộ dữ liệu DIP–Yeast được trình bày trong bảng dưới đây. Bảng 1. Kích thước véc tơ nhúng trước và sau khi chọn lọc trên bộ dữ liệu DIP–Yeast Lần Kích thước ban đầu Sau chọn lọc Lần 1 2560 561

Lần 2 2560 555 Lần 3 2560 560 Lần 4 2560 556 Lần 5 2560 553 Trung bình 2560 557 Kết quả cho thấy kích thước đặc trưng sau chọn lọc rất ổn định giữa các lần kiểm định chéo, dao động nhẹ quanh mức ∼ 557 chiều. Điều này cho thấy quy trình chọn lọc đặc trưng vận hành nhất quán trên nhiều phân hoạch dữ liệu khác nhau và có khả năng giữ lại những chiều thông tin cốt lõi một cách ổn định trên bộ dữ liệu DIP–Yeast. Sự ổn định này gợi ý rằng tồn tại một tập hợp các đặc trưng lõi mang tính bảo tồn cao, đại diện cho các tính chất hóa lý và tiến hóa nền tảng quy định khả năng tương tác ở nấm men.