concat graph构造

在蛋白质图神经网络（Protein GNN）中，"concatgraph"（拼接图）通常指将多种异构特征拼接后作为图的初始表示，而不是某种固定维度的标准图。它的构造方式主要分为三个层面：节点特征拼接、边特征拼接、以及图/多模态级别拼接。

---

1. 节点特征拼接（最常见）

这是最核心的构造方式。每个残基（Residue）作为图的一个节点，其初始特征向量由多种来源拼接而成：

特征类型	典型维度	内容
序列编码	20 / 25	20 种标准氨基酸的 one-hot；有时加 5 个特殊 token（未知、缺失等）
物化性质	4–10	疏水性、电荷、极性、分子量、芳香性等
预训练语言模型嵌入	320 / 640 / 1024 / 1280	ESM-2、ProtT5、ProtBert、SeqVec 等
结构特征	6–10+	二面角（φ, ψ, ω）的正弦/余弦；Cα 坐标、二级结构等

典型构造示例：

• GVP + LLM 分类器：节点特征 = DistilProtBert 嵌入（1024 维）拼接 二面角正弦/余弦（标量）+ 相邻 Cα 单位向量（向量）
• PepLM-GNN：节点特征矩阵由肽和蛋白质的 ProtT5 嵌入直接拼接 而成，使每个节点携带完整序列语义信息
• PPI 预测：节点使用 ProtBert/SeqVec 的残基级嵌入，替代传统 one-hot + 物化性质，再输入 GCN/GAT

关于你提到的 L×9 vs 20×9：如果 "9" 指物化性质维度，一种常见做法是 20 (one-hot) + 9 (物化性质) = 29 维 的节点特征；也有工作将 20 维 one-hot 与 9 维特征分别处理后再拼接。L 是序列长度，因此 L×29 是更常见的节点特征矩阵形状。单纯 "20×9" 不太常见，除非是某种特定的外积或邻接矩阵构造。

---

2. 边特征拼接

边通常基于 Cα-Cα Contact Map（如 10 Å 截断）或 K-近邻 构建，边特征也会拼接多种信息：

• 距离编码：RBF 高斯基函数（如 16 维，覆盖 0–20 Å）
• 序列位置编码：残基在序列上的距离 |i-j|（反映一维顺序）
• 方向向量：连接两个 Cα 的单位向量（向量特征）

---

3. 图级别 / 多模态拼接

在更高层次，"concatgraph" 也指将不同图或不同模态的表示拼接：

拼接层级	做法	示例
多子图嵌入拼接	对同一蛋白构建多个语义子图（如 GO Molecular Function 图 + Cellular Component 图），分别过 GNN 后将节点嵌入拼接	并行 GNN 架构
多尺度层拼接	将 GNN 每一层的 READOUT 输出拼接，形成最终图表示	SICGNN 各层 GIN 输出拼接
蛋白-配体/肽拼接	分别编码蛋白图和配体图，将两个图级向量拼接后做预测	GNNAS-Dock、BridgeDPI 等
序列+结构拼接	图编码的结构表示与 CNN/Transformer 编码的序列表示拼接	X-DPI 中蛋白图与 TAPE 序列嵌入拼接

---

总结：一般构造流程

输入：蛋白质序列 / PDB 结构
    │
    ▼
┌─────────────────┐
│ 节点特征构造     │  ← 拼接 one-hot / 物化性质 / ESM嵌入 / 结构特征
│ (残基级)        │
└─────────────────┘
    │
    ▼
┌─────────────────┐
│ 边构造           │  ← Contact Map (Cα-Cα < 10Å) 或 KNN
│ (空间/序列邻居)  │  ← 边特征：距离RBF + 序列距离 + 方向向量
└─────────────────┘
    │
    ▼
┌─────────────────┐
│ GNN 消息传递     │  ← GCN / GAT / GIN / GVP
│ (多层)          │
└─────────────────┘
    │
    ▼
┌─────────────────┐
│ 输出拼接 (可选)  │  ← 多层输出拼接 / 多图拼接 / 与其他模态拼接
└─────────────────┘

如果你提到的 "L×9" 或 "20×9" 来自某篇具体论文或课程讲义，提供上下文后我可以帮你精确解读那个特定工作中的维度定义。