文档名：使用深度学习的蛋白质二级结构预测
蛋白质二级结构预测是生物信息学上的一个关键问题.近年来,由于深度学习的成功,本文将深度学习应用到这一问题上面,设计了一种多方面的自注意力机制的深度卷积循环网络(Multi-AspectSelf-AttentiveNetwork,MASAN)来进行蛋白质二级结构的预测.首先,本文使用了CNN来处理氨基酸序列,提取氨基酸序列的局部特征;在此基础上,利用双向循环神经网络(Bi-GRU)处理整个氨基酸序列,从而获取整个氨基酸序列的全局特征,然后本文利用自注意力机制(Self–Attentionmechanism)来获取氨基酸序列中对蛋白质二级结构表示有重要影响的氨基酸.接下来利用残差网络整合获取到的所有信息,最后利用分类层进行分类.本文在公开的蛋白质数据集CullPDB,CB513进行了实验.实验结果展示了本文模型的优越性,与对比模型的结果相比,在准确率上有0.5％的提升.
作者：王林湲张琨吕广奕刘淇陈恩红
作者单位：中国科学技术大学计算机科学与技术学院,安徽合肥230027
母体文献：第六届中国计算机学会大数据学术会议论文集
会议名称：第六届中国计算机学会大数据学术会议
会议时间：2018年10月11日
会议地点：西安
主办单位：中国计算机学会
语种：chi
分类号：TP3R69
关键词：蛋白质二级结构 预测模型 深度学习 自注意力机制 深度卷积循环网络
在线出版日期：2020年11月30日
基金项目：
相似文献
相关博文
- 文件大小:
- 904.65 KB
- 下载次数:
- 60
-
高速下载
|
|
