[Bioinformatics | 论文简读] GraphLoc：一种从免疫组织化学图像中预测蛋白质亚细胞定位的图神经网络模型

简读分享 | 陈兴民 编辑 | 龙文韬

论文题目

GraphLoc: a graph neural network model for predicting protein subcellular localization from immunohistochemistry images

论文摘要

动机：识别蛋白质亚细胞分布模式和识别癌症组织中的定位生物标记蛋白质对于了解蛋白质功能和相关疾病非常重要。免疫组织化学(IHC)图像可以实现蛋白质在组织水平的分布的可视化，为蛋白质定位研究提供了重要的资源。在过去的几十年里，已经发展了几种基于图像的蛋白质亚细胞位置预测方法，但由于多标记蛋白质产生的蛋白质模式的复杂性以及不同细胞类型或状态的位置模式的变化，预测精度仍有很大的提高空间。

结果：本文提出了一种基于深度图卷积神经网络的多标签多实例模型来识别蛋白质亚细胞定位模式。GraphLoc为一个蛋白质建立多个IHC图像的图，通过图卷积学习蛋白质水平表示，并通过动态阈值方法预测多标记信息。我们的结果表明，GraphLoc是一个具有模型可解释性的基于图像的蛋白质亚细胞位置预测的很有前途的模型。

此外，我们将GraphLoc应用于识别蛋白质网络的候选位置生物标记物和潜在成员。很大一部分预测结果都有来自现有文献的支持证据，新的候选者也为进一步的实验筛选提供了指导。

论文链接

https://academic.oup.com/bioinformatics/advance-article/doi/10.1093/bioinformatics/btac634/6701966?searchresult=1