多信息融合和自注意力识别新冠磷酸化位点

由严重急性呼吸系统综合症冠状病毒2 (SARS-CoV-2)引起的疾病正在威胁着人们的健康。识别磷酸化位点是理解感染新型冠状病毒的分子机制的重要步骤。由于实验方法的局限性,建立有效的预测模型是非常有必要的,由此提出一种新的新冠磷酸化位点预测模型Self-DeepIPs。利用二肽组成(DC),增强氨基酸组成(EAAC),组成、转化和分布(CTD),BLOSUM62四种特征提取方法将蛋白质序列信息转化为数字信息,并首尾相连融合这些特征,采用互信息方法去除冗余信息。利用BILSTM和自注意力机制结合构建深度学习模型预测新冠磷酸化位点。利用五折交叉验证对模型进行检验。训练集的ACC和AUC值分别达到83.62%和91.70%,独立测试集的ACC和AUC值分别达到82.56%和91.23%。实验结果表明:Self-DeepIPs方法能够有效识别新冠磷酸化位点。