本文研究了缺失链接预测方法，提出了新的加权矩阵分解、布尔矩阵分解和推荐矩阵分解，结合自动模型选择和不确定性量化技术，以提高链接预测的可靠性和准确性。实验结果表明，该方法在蛋白质相互作用网络中显著提升了预测性能。

蛋白质-蛋白质相互作用（PPIs）是生物功能的基础，准确识别这些相互作用对疾病研究和药物开发至关重要。浙江大学团队提出的玻尔兹曼对齐技术结合深度学习，显著提升了结合自由能变化的预测精度，超越了现有方法。这项研究为理解蛋白质相互作用提供了新思路，并在国际学术会议上发表。

本研究提出了一种适应性方法，以提高蛋白质-蛋白质相互作用分析的可靠性，增强计算生物学的可信度，为精准医学和生物医学研究提供了重要潜力。

本文综述了利用深度学习模型分析蛋白质相互作用的方法，包括基于生物物理学知识的模型、表示学习、几何深度学习和生成模型。同时，文章指出了该领域面临的挑战和新的研究方向。