Graph Neural Networks for Protein-Protein Interactions - A Short Survey

这篇论文回顾了各种基于图的方法在蛋白质相互作用（PPI）预测中的应用，并讨论了它们的模型结构。由于PPI网络的固有图结构，基于图的方法已经展现了很好的预测效果。这些方法被分为两个主要类别，第一类采用图神经网络（GNN）或图卷积网络（GCN），而第二类则利用图注意力网络（GAT）、图自编码器和图BERT。我们强调了每种方法在处理PPI网络中固有的图结构数据方面的独特方法，并期待未来在这个领域的研究方向。

本文旨在回顾和比较基于图的蛋白质相互作用（PPI）预测方法，探讨它们在处理PPI网络中的图结构数据方面的不同方法。

本文将基于图神经网络（GNN）或图卷积网络（GCN）和基于图注意力网络（GAT）、图自编码器和Graph-BERT的两类方法，分别讨论它们的模型结构和处理图结构数据的不同方法。

本文对各种基于图的PPI预测方法进行了全面的回顾和比较，包括模型的结构和处理图结构数据的不同方法。实验使用了多个数据集，并进行了详细的实验分析。文章指出未来研究方向，如如何进一步提高模型的准确性和效率等。

最近的相关研究包括：1）基于深度学习的PPI预测方法的研究；2）基于网络嵌入的PPI预测方法的研究；3）基于图卷积网络的PPI预测方法的研究。