作者利用了多个器官的单细胞转录组数据，从中找到每种细胞类型相比于平均水平高表达的基因，并从蛋白-蛋白相互作用网络中提取出其对应的蛋白及其最大的连接对象，以此构建出蛋白相互作用网络。得到的相互作用网络虽然与整体的相互作用网络很相似但也保留了高度的细胞类型特异性。后续作者又利用细胞相互作用等数据将这些网络连接形成更大的网络。PINNACLE利用了注意力及图神经网络的机制使信息在蛋白间、细胞类型间、组织间进行流动，通过自监督学习的方式进行连接的学习。

测试结果发现，PINNACLE能很好地对不同细胞类型的蛋白质表征进行预测，而无上下文的模型（context-free models）则无法捕捉到不同细胞类型间的差异。利用上述预训练模型，经过后续的微调可以适应不同的下游任务。例如作者对PINNACLE进行微调，训练出了预测可能的治疗靶标的模型，相比于无上下文的模型有更好的表现。