高通量实验技术继续改变当前系统生物学的研究。可以理解,研究人员渴望利用这些新技术的力量。然而,在这些平台上的蛋白质-蛋白质相互作用提出了许多生产和生物信息学挑战。在蛋白质-蛋白质相互作用位点的预测中,诸如特征提取,特征表示,预测算法和结果分析之类的问题变得越来越成问题。开发强大,有效的基于蛋白质一级序列或/和3D结构推断蛋白质界面残基的预测方法,对于研究界加快研究和出版工作至关重要。当前,基于机器学习的方法在预测蛋白质相互作用位点方面引起了最大的关注。这篇综述旨在描述当机器学习策略被用于推断蛋白质相互作用位点时整个流水线的状态。
1