一种基于Node2vec的轻量预测PPI的方法

本发明公开了一种基于Node2vec的轻量预测PPI的方法，包括以下步骤：蛋白质初始表示模块：使用Node2vec从蛋白质相互作用网络G＝(V,E)中无监督地学习蛋白质初始表示；多尺度关系结构表示模块：设置两种不同尺度的GNN，以捕获蛋白质相互作用网络中的浅层和深层结构信息，其中包括用于浅层结构信息的SGCN变体和用于深层结构信息的Mamba模块；对SGCN和Mamba学习获得的蛋白质特征表示进行加权和求和，得到最终的蛋白质表示；在预测模块中，将深度蛋白质表示和浅层蛋白质表示进行元素相乘，增强特征的语义信息，然后进行预测。通过引入无监督学习方法Node2vec进行无监督地学习蛋白质的初始表示，然后采用图神经+注意力的有监督的进行精细学习，统筹蛋白质初始表示中的局部特征和全局特征。