本篇文献使用双通道图卷积网络（Graph Convolutional Network, GCN）模型的架构，开发了生物信息学工具PhiGnet，进行蛋白质GO功能（或酶功能）的预测。问题比较老旧，但是方法学上具备一定的创新性——PhiGnet能够不依赖于蛋白结构而预测其功能。尽管如此，这样一篇没有任何实验内容，纯深度学习的文章能发表在Nature Communication上，也实属罕见了。

由于是一篇方法学相关的文章，我们主要阅读Materials & Methods部分，并将其研究方法拆解为如下五个步骤：

1. 收集GO注释的蛋白质集合

这个没啥好说的，属于数据集构建。因为要做蛋白的GO功能预测嘛，首要任务肯定是得先知道训练集中的蛋白对应哪些GO名词，我们的预测任务中应该包含哪些GO名词…

2. 计算进化协同性（Evolutionary Coupling）

该步骤的核心旨在从蛋白结构中找到共进化的氨基酸对。氨基酸协同进化（Evolutionary Coupling, EVC）和氨基酸社区（Residue Community, RC）是两个GCN模型的基础网络，以邻接矩阵的形式作为输入，依次递送给GCN。其中，EVC描述的是蛋白序列中氨基酸之间协同进化的关系；RC是从EVC网络中挖掘的氨基酸簇，即功能组（functional group）。EVC的计算原理是多序列比对（Multiple Sequence Alignment, MSA），RC记不太清了，应该也是聚类方法，有需要的时候可以再回顾一下原文。

3. 氨基酸的嵌入向量

氨基酸的编码分别有两个：一是使用one-hot编码，二是使用ESM-1b编码。接下来，分别使用Dense Layers将one-hot和ESM-1b嵌入转换为1024维的向量，然后​由ReLU整合为GCN的输入​（这里我其实有些没读懂，怎么就用ReLU完成嵌入向量的整合了…）。

4. 双通道GCN网络的训练

由步骤2. 获得的邻近矩阵EVC和RC，以及由步骤3. 获得的节点特征矩阵，以它们作为输入，喂给PhiGnet模型。看源代码这里应该是根据GO分类（Biological Processes, Molecular Functions, Cellular Components）和酶功能，一共训练了四个独立的模型。这里的操作都比较常规化，GCN怎么做，这儿就怎么做。其中涉及到网络调参的内容，我们这儿只讲文章脉络，具体细节可以去读原文。

这里还存在一个问题：​RC网络和节点特征矩阵的匹配问题​。本质上困惑的点在于，RC网络究竟在描述什么？如果EVC网络和节点特征矩阵都是关于氨基酸的，那么RC网络理论上也应该是关于氨基酸的网络结构。

5. 利用类激活图（Classification Activation Map, CAM）解释氨基酸对蛋白功能的贡献

这里属于可解释机器学习（Interpretable Machine Learning, IML）的部分，通过计算梯度来研究每个氨基酸对GO/酶功能分类的贡献，从而判定在蛋白质执行该功能时，究竟是哪些氨基酸在发挥着作用。

原文链接：[Accurate prediction of protein function using statistics-informed graph networks | Nature Communications]
论文背后：[Physics-informed machine learning predicts protein function | Research Communities by Springer Nature]