华中科技大学的研究人员利用从非跨膜蛋白大数据集中预先训练的知识，开发了一种深度迁移学习方法——DeepTMP，用于预测跨膜蛋白复合物的链间接触。DeepTMP可利用几何三角形感知模块从蛋白质语言模型生成的共同进化信息中捕获正确的链间相互作用信息。相关研究成果于2023年8月15日发表在《自然·通讯》期刊上。

研究人员首先在大量可溶性蛋白质上训练初始模型，然后将蛋白质语言模型和几何三角形感知模块的特征用于跨膜蛋白质结构研究，随后研究人员在52个自相关跨膜蛋白复合物的测试集上对DeepTMP进行了评估，并与包括DeepHomo2.0、CDPred、GLINTER、DeepHomo和DNCON2_Inter在内的最先进方法进行了比较。结果表明，DeepTMP显著提高了链间接触预测的精度，并且在准确性和稳健性方面优于现有方法。

信息来源：

https://www.nature.com/articles/s41467-023-40426-3