一种基于跨模态增强表示学习的蛋白质相互作用预测方法

本发明涉及蛋白质预测技术领域，公开了一种基于跨模态增强表示学习的蛋白质相互作用预测方法。本发明设计了Convformer和Graphformer两个模块，通过在各自模块中引入全局注意力机制，突破了现有方法仅关注局部特征或全局特征的限制。这种设计使得模型能够同时捕获蛋白质的局部模式和全局依赖关系，提供了更全面的蛋白质表示。本发明提出了一种基于对比学习的跨模态增强方法，通过显式的模态对齐过程解决了序列和结构模态之间的差异问题。这种方法不仅能够保持各个模态的独特信息，还能充分发挥模态间的互补性，从而获得更丰富的蛋白质表示。本发明提出的跨蛋白融合模块能够更准确地捕获蛋白质相互作用的本质特征，显著提升了PPI预测的准确性。