解决提出的问题的实际方法（一种可能的解决方案）
使用我最喜欢的机器学习工具vowpal wabbit可以轻松解决此问题，该工具通过-q选项支持二次（十字）功能。
vowpal兔子背景
在我们进入用法细节之前。vowpal wabbit是一款快速且可扩展的在线机器学习软件，可用于分类和回归。我在桌面上的学习（培训）速度约为每秒500万个功能，而数据大小（示例数）没有限制，因为作为一种在线学习工具，它不需要将完整的数据加载到内存中。它具有许多其他吸引人的功能：支持不同的学习算法，多个损失函数，稀疏特征，混合特征类型等，这些都超出了此问题的范围。
以下是通过注释解决问题的3个步骤：
步骤0：从github 下载并构建vowpal wabbit （请参阅支持的环境底部的注释）
步骤1： 准备训练集，每行如下所示：
1.0 protein1/protein2|A p1_feature1 p1_feature2 ... |B p2_feature1 ...
...
训练集格式的说明：
最左边的数字1.0是标签（交互强度，可以是任何数字值），第二个字符串' protein1 / protein2 '是为该行添加标识的标签，IOW：“此行表示protein1和蛋白质2”；它是可选的，您可以将其视为注释。在模型的预测中也会回显此标记字符串，以识别哪个预测属于哪个示例，但是我们在这里没有进行预测，我们只是对模型进行建模和研究。接下来是protein1的输入特征名称空间|A（我们需要定义一个名称空间，以便我们可以在不同的名称空间之间进行转换，而不必A实际上可以是任何单词，但是名称空间之间的第一个字母必须有所不同，因此我们可以在命令调用中将它们交叉），然后是protein1的输入功能列表p1_...。最后是protein2的名称空间：|B其后是protein2 的功能名称p2_...。
vowpal wabbit的优点之一是您可以使用任意字符串作为功能名称（它会在内部对它们进行哈希处理，但您不在乎）。训练集中唯一的特殊字符是：
- 空格（显然）
|，为输入要素和名称空间加上前缀，以及: 将要素名称与其值分开
在:这里没有用，因为我们假定每个蛋白的功能名称代表一个布尔（存在），因此它们的值默认为1，他们并不需要明确的值。
现在，您可以运行vowpal_wabbit（可执行文件名为vw），-q AB以在所有可能的特征对之间自动创建交叉特征（又称交互作用术语），其中一个特征是从protein1（名称空间以开头A）中选择的，另一个特征是从protein2（以开头的名称空间B。vowpal_wabbit将读取数据，学习并为每个特征组合创建权重模型，从而导致这对蛋白质之间的相互作用。在这里，不是vw直接运行，而是通过vw-varinfovowpal wabbit附带的wrapper实用程序运行它，这是最后一步。vw-varinfo运行vw以创建模型，并以人类可读的形式转储模型。
步骤3：像这样呼叫vw-varinfo：
vw-varinfo -q AB -c --passes 20 your_data_set_file
vw-varinfo将所有选项（-q ... -c --passes ...）原样传递给vw。仅-q AB用于跨越两个要素名称空间的必不可少。我在上面又添加了一个选项（运行多次），我相信这会带来更好的结果。
该命令将调用vowpal wabbit（vw）训练数据集，并打印输出（我相信您正在寻找）：所有功能交互按强度及其相对权重排序。
输入和输出示例
假设您的输入prot.dat包括3种蛋白质之间的3向相互作用：
1.0 protein1/protein2|A a b |B k m
0.6 protein2/protein3|A k m |B b c d
2.2 protein1/protein3|A a b |B b c d
这故意是一个非常简单的示例。 vw对于更大的数据集（例如数百万行，数百个功能）应该没有任何问题，而且，我在示例中更改了交互强度标签。如果在您的情况下，交互是布尔值“是”或“否”，则只需将0（没有交互）或1（存在交互）用作每一行的第一字段。
运行：
vw-varinfo -q AB -c --passes 20 prot.dat
将产生所有可能的交互（忽略名称空间A和B输出中的内容）及其权重：
FeatureName HashVal MinVal MaxVal Weight RelScore
A^k 220268 0.00 1.00 +0.3804 100.00%
A^k^B^k 254241 0.00 0.00 +0.3804 100.00%
A^k^B^m 93047 0.00 0.00 +0.3804 100.00%
B^k 178789 0.00 1.00 +0.1011 26.58%
B^m 17595 0.00 1.00 +0.1011 26.58%
[... trimmed for brevity ...]
A^m^B^m 141879 0.00 0.00 +0.0000 0.00%
Constant 116060 0.00 0.00 +0.1515 0.00%
A^b 139167 0.00 1.00 -0.0641 -16.86%
A^b^B^k 204424 0.00 0.00 -0.1233 -32.43%
A^b^B^m 43230 0.00 0.00 -0.1233 -32.43%
表明在该数据中，一般而言，任何相互作用的最强贡献者是：1）仅存在该k特征； 2）该k特征与其自身相互作用（假定两种蛋白质都具有），以及3）k与相互作用m。而最弱的（对蛋白质相互作用的负贡献）是b特征与m特征配对。
这是vw-varinfo上的HOWTO页面
vowpal wabbit从源代码构建（请参见上面的链接），并且可以在Linux（以及可能的其他Unix），Mac OS-X和Windows上运行。
高温超导