香港科技大学提出DualNetGO模型，通过高效的特征选择对偶网络预测蛋白质功能

香港科技大学（广州）罗琼教授团队提出了一种名为DualNetGO的新模型，用于通过高效的特征选择对偶网络预测蛋白质功能。该模型结合了蛋白质-蛋白质相互作用（PPI）网络的图嵌入、蛋白质结构域和亚细胞位置信息，通过分类器和选择器两个组件，有效地选择和利用来自不同来源的特征。实验结果显示，DualNetGO在多个数据集上的性能超越了现有模型，尤其在细胞成分（CC）方面的预测表现突出。此外，模型还展示了在多物种设置下的泛化能力和对多模态特征的集成能力。尽管存在一些限制，如不支持端到端训练和依赖于特征选择空间中特征的质量，但DualNetGO为蛋白质功能预测提供了一个有效的框架，并为进一步的研究和改进提供了方向。