基于门控单元的农作物蛋白质磷酸化预测模型研究

针对目前农作物蛋白质磷酸化位点预测成本高、效率低等问题,提出了一种基于深度学习的计算方法。在编码器中加入门控单元,引入蛋白质内在无序性得分作为特征并优化了训练样本采样方式。相较于基于Transformer的方法,该方法具有相同的精度,并且计算量显著减少,展现出高效的计算性能;与DeepIPs、TabNet、TransPhos等现有方法相比,也表现出卓越性能,并且在五倍交叉验证下的AUC提升2%以上。此外,该方法使用的特征可以仅从序列中提取,简化了操作,同时提高了预测效果,为农作物蛋白质磷酸化的研究提供了重要的参考。