この記事では、多モーダルなタンパク質機能予測手法DSRPGOを提案しています。タンパク質の機能予測には、構造データ、配列特徴、タンパク質属性、相互作用ネットワークなど、多様な情報を含む多モーダル特性が重要ですが、それらの複雑な相互関係を解読するのは難しいです。本研究では、動的選択と再構築型事前学習を活用し、より詳細な情報を求める手法を導入しています。特に、Bidirectional Interaction Module (BInM)を用いて多モーダル特性間の相互学習を促進し、Dynamic Selection Module (DSM)で現在のタンパク質機能予測に最も適した特徴表現を選択します。このアプローチにより、ヒトデータセットにおけるBPO、MFO、CCOの指標で、他のベンチマークモデルを上回る顕著な改善が見られました。