基于深度學習的蛋白質結構域邊界預測研究.pdf

1、蛋白質結構域邊界準確的劃分往往被看做是對蛋白質更高級三維結構和功能預測的前提工作。由于基于X射線晶體衍射以及核磁共振的蛋白質結構確定方法成本太高、效率偏低，遠遠無法趕上新序列被發(fā)現(xiàn)的速度，發(fā)展高準確率的預測方法成為彌補這個缺口的關鍵。
　　通過對現(xiàn)有幾大類結構域預測方法的分析，選取了其中發(fā)展?jié)摿ψ畲蟮膹念^預測法，并開展了基于深度學習的蛋白質結構域邊界預測研究工作。主要是借助深度學習強大的特征學習能力，自動挖掘序列所包含的對結構域邊

2、界預測有幫助的特征。提出的第一個模型是基于卷積神經網絡的結構域邊界預測方案，該模型改進了卷積神經網絡的卷積核及其移動方式，又引入了多卷積核融合的方法，使其更適合蛋白質結構域邊界預測問題。提出的第二個模型中使用了卷積神經網絡和長短時程記憶網絡結合在一起的單一網絡對蛋白質結構域邊界進行預測，通過把這兩種網絡結合在單一網絡里，使長短時程記憶網絡對原始氨基酸序列的處理變成對經過卷積神經網絡特征提取后的新特征序列的處理。
　　結果表明，提出