期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
4
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于深度学习和蛋白质语言模型的抗菌肽预测模型研究
1
作者
王晓
吴洲
+2 位作者
王宏伟
王榕
陈浩然
《轻工学报》
CAS
北大核心
2024年第2期12-18,共7页
针对目前已有抗菌肽(Antimicrobial Peptides,AMPs)预测模型的准确度(ACC)仍有待提高的问题,提出一种新的基于深度学习和蛋白质语言模型的抗菌肽预测模型DeepGlap,该模型分别采用两个蛋白质语言模型对抗菌肽序列进行特征提取,将提取的...
针对目前已有抗菌肽(Antimicrobial Peptides,AMPs)预测模型的准确度(ACC)仍有待提高的问题,提出一种新的基于深度学习和蛋白质语言模型的抗菌肽预测模型DeepGlap,该模型分别采用两个蛋白质语言模型对抗菌肽序列进行特征提取,将提取的特征向量融合后输入由多层双向长短记忆网络(mBi-LSTM)、一维卷积神经网络(1D-CNN)和注意力机制组成的深度学习网络中,并进行性能评估与优化。结果表明:该模型的ACC、皮尔逊相关系数(MCC)和曲线下的面积(AUC)分别为0.739、0.489和0.81,优于已有抗菌肽预测模型的预测效果。
展开更多
关键词
抗菌肽
预测
模型
食源性病原体
蛋白质语言模型
深度学习网络
下载PDF
职称材料
融合蛋白质语言模型与深度神经网络的植物蛋白质相互作用预测研究
2
作者
古海博
王成凤
+2 位作者
金远
池方爱
李颜娥
《电子技术应用》
2024年第4期22-28,共7页
预测植物中的蛋白质-蛋白质相互作用(PPI)具有重要的生物学意义。同时采用了4种编码方法及深度神经网络构建了蛋白质相互作用预测模型。结果表明,提出的融合蛋白质语言模型Ankh与深度神经网络的方法构建的PPI预测模型性能在3种植物数据...
预测植物中的蛋白质-蛋白质相互作用(PPI)具有重要的生物学意义。同时采用了4种编码方法及深度神经网络构建了蛋白质相互作用预测模型。结果表明,提出的融合蛋白质语言模型Ankh与深度神经网络的方法构建的PPI预测模型性能在3种植物数据集上均获得了最优的AUPR和AUC值,Sen及MCC值也均优于其他4种蛋白质相互作用预测模型。当模型在水稻、大豆的植物PPI数据集上进行测试时,所提出的模型AUPR值分别为0.8025、0.7301,AUC值分别为0.9562、0.9507。这些优异的结果表明,融合蛋白质语言模型Ankh的PPI模型可以作为植物蛋白质相互作用预测的一个有前途的工具。
展开更多
关键词
植物
蛋白质
相关性
蛋白质语言模型
深度神经网络
下载PDF
职称材料
基于图注意力和蛋白质语言模型的药物靶标亲和力预测
3
作者
任鹏
段乐乐
《软件》
2024年第4期24-28,共5页
在新药研发中,药物与靶标的结合亲和力是一个关键指标,对于它的准确预测对加速药物筛选至关重要。近年来,随着深度学习技术的应用,药物与靶标的结合亲和力预测取得了显著进步,受到了广泛关注。然而,现有方法大多忽略药物的结构信息,且...
在新药研发中,药物与靶标的结合亲和力是一个关键指标,对于它的准确预测对加速药物筛选至关重要。近年来,随着深度学习技术的应用,药物与靶标的结合亲和力预测取得了显著进步,受到了广泛关注。然而,现有方法大多忽略药物的结构信息,且缺乏学习蛋白质的序列与结构之间的深层模式,导致预测性能受限。针对该问题,本文提出了一种新的方法,它结合了图注意力网络和蛋白质语言模型,以更有效地表征药物和蛋白质。本文在两个公开的数据集上进行了实验,并与其他同类方法进行了比较。实验结果显示,本文提出的方法能够显著提升预测准确率,这证明了本文提出的方法的有效性。
展开更多
关键词
图注意力网络
蛋白质语言模型
药物靶标亲和力
深度学习
下载PDF
职称材料
基于预训练蛋白质语言模型的氨基酸致病突变预测
4
作者
罗江毅
姚音
《河南科学》
2023年第8期1093-1101,共9页
依赖于临床标签的氨基酸致病突变预测方法通常由于标签存在跨基因的偏差、稀疏噪声等因素,出现性能膨胀的情况.为解决此问题,创新地在不需要标签的情况下,利用预训练蛋白质语言模型计算ClinVar数据库中突变位点的氨基酸概率分布,并基于...
依赖于临床标签的氨基酸致病突变预测方法通常由于标签存在跨基因的偏差、稀疏噪声等因素,出现性能膨胀的情况.为解决此问题,创新地在不需要标签的情况下,利用预训练蛋白质语言模型计算ClinVar数据库中突变位点的氨基酸概率分布,并基于此分布构造突变型与野生型氨基酸出现概率的对数优势比(LOR),使用一种全局-局部结合的高斯混合模型拟合LOR,从而无监督地计算突变致病效应概率分数(PPE)并推断致病性,最后给出预测的不确定性度量.使用与深度突变扫描(DMS)实验的相关性作为评估指标以避免标签泄漏等问题.模型评估结果验证PPE具有稳健的致病性预测性能,在2458个蛋白质上的接收者操作特征曲线下面积(AUC)平均值约为0.89,与4种DMS实验的平均斯皮尔曼相关系数约为0.44,优于大部分依赖标签的计算方法,且与高通量实验的性能相当.该研究为遗传变异的解释、疾病的研究、诊断和临床治疗提供了可靠的辅助工具.
展开更多
关键词
氨基酸致病突变
蛋白质语言模型
无监督学习
深度突变扫描
下载PDF
职称材料
题名
基于深度学习和蛋白质语言模型的抗菌肽预测模型研究
1
作者
王晓
吴洲
王宏伟
王榕
陈浩然
机构
郑州轻工业大学计算机科学与技术学院
河南省食品安全数据智能重点实验室
郑州轻工业大学食品与生物工程学院
郑州轻工业大学电子信息学院
出处
《轻工学报》
CAS
北大核心
2024年第2期12-18,共7页
基金
国家自然科学基金青年科学基金项目(32101976,61906175)
河南省科技攻关项目(232102210020,20210221014)
河南省高等学校重点科研项目(22A520013,23B520004)
文摘
针对目前已有抗菌肽(Antimicrobial Peptides,AMPs)预测模型的准确度(ACC)仍有待提高的问题,提出一种新的基于深度学习和蛋白质语言模型的抗菌肽预测模型DeepGlap,该模型分别采用两个蛋白质语言模型对抗菌肽序列进行特征提取,将提取的特征向量融合后输入由多层双向长短记忆网络(mBi-LSTM)、一维卷积神经网络(1D-CNN)和注意力机制组成的深度学习网络中,并进行性能评估与优化。结果表明:该模型的ACC、皮尔逊相关系数(MCC)和曲线下的面积(AUC)分别为0.739、0.489和0.81,优于已有抗菌肽预测模型的预测效果。
关键词
抗菌肽
预测
模型
食源性病原体
蛋白质语言模型
深度学习网络
Keywords
antimicrobial peptide
prediction model
foodborne pathogen
protein language model
attention mechanism deep learning network
分类号
TS201.2 [轻工技术与工程—食品科学]
TP399 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
融合蛋白质语言模型与深度神经网络的植物蛋白质相互作用预测研究
2
作者
古海博
王成凤
金远
池方爱
李颜娥
机构
浙江农林大学数学与计算机科学学院
出处
《电子技术应用》
2024年第4期22-28,共7页
基金
浙江省公益基金(LQ21H180001)
浙江农林大学科研发展基金(2019RF065)
浙江省软科学研究项目(2023C3509)。
文摘
预测植物中的蛋白质-蛋白质相互作用(PPI)具有重要的生物学意义。同时采用了4种编码方法及深度神经网络构建了蛋白质相互作用预测模型。结果表明,提出的融合蛋白质语言模型Ankh与深度神经网络的方法构建的PPI预测模型性能在3种植物数据集上均获得了最优的AUPR和AUC值,Sen及MCC值也均优于其他4种蛋白质相互作用预测模型。当模型在水稻、大豆的植物PPI数据集上进行测试时,所提出的模型AUPR值分别为0.8025、0.7301,AUC值分别为0.9562、0.9507。这些优异的结果表明,融合蛋白质语言模型Ankh的PPI模型可以作为植物蛋白质相互作用预测的一个有前途的工具。
关键词
植物
蛋白质
相关性
蛋白质语言模型
深度神经网络
Keywords
plant protein-protein interation
protein language model
deep neural network
分类号
TP399 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于图注意力和蛋白质语言模型的药物靶标亲和力预测
3
作者
任鹏
段乐乐
机构
重庆三峡医药高等专科学校
出处
《软件》
2024年第4期24-28,共5页
基金
2021年重庆三峡医药高等专科学校自然科学研究项目“基于图神经网络的药物靶点相互作用预测方法研究”(XJ2021001601)。
文摘
在新药研发中,药物与靶标的结合亲和力是一个关键指标,对于它的准确预测对加速药物筛选至关重要。近年来,随着深度学习技术的应用,药物与靶标的结合亲和力预测取得了显著进步,受到了广泛关注。然而,现有方法大多忽略药物的结构信息,且缺乏学习蛋白质的序列与结构之间的深层模式,导致预测性能受限。针对该问题,本文提出了一种新的方法,它结合了图注意力网络和蛋白质语言模型,以更有效地表征药物和蛋白质。本文在两个公开的数据集上进行了实验,并与其他同类方法进行了比较。实验结果显示,本文提出的方法能够显著提升预测准确率,这证明了本文提出的方法的有效性。
关键词
图注意力网络
蛋白质语言模型
药物靶标亲和力
深度学习
Keywords
graph attention network
protein language model
drug-target affinity
deep learning
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
R9 [医药卫生—药学]
下载PDF
职称材料
题名
基于预训练蛋白质语言模型的氨基酸致病突变预测
4
作者
罗江毅
姚音
机构
复旦大学生命科学学院
出处
《河南科学》
2023年第8期1093-1101,共9页
文摘
依赖于临床标签的氨基酸致病突变预测方法通常由于标签存在跨基因的偏差、稀疏噪声等因素,出现性能膨胀的情况.为解决此问题,创新地在不需要标签的情况下,利用预训练蛋白质语言模型计算ClinVar数据库中突变位点的氨基酸概率分布,并基于此分布构造突变型与野生型氨基酸出现概率的对数优势比(LOR),使用一种全局-局部结合的高斯混合模型拟合LOR,从而无监督地计算突变致病效应概率分数(PPE)并推断致病性,最后给出预测的不确定性度量.使用与深度突变扫描(DMS)实验的相关性作为评估指标以避免标签泄漏等问题.模型评估结果验证PPE具有稳健的致病性预测性能,在2458个蛋白质上的接收者操作特征曲线下面积(AUC)平均值约为0.89,与4种DMS实验的平均斯皮尔曼相关系数约为0.44,优于大部分依赖标签的计算方法,且与高通量实验的性能相当.该研究为遗传变异的解释、疾病的研究、诊断和临床治疗提供了可靠的辅助工具.
关键词
氨基酸致病突变
蛋白质语言模型
无监督学习
深度突变扫描
Keywords
pathogenic mutation
protein language model
unsupervised learning
deep mutational scanning
分类号
Q31 [生物学—遗传学]
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于深度学习和蛋白质语言模型的抗菌肽预测模型研究
王晓
吴洲
王宏伟
王榕
陈浩然
《轻工学报》
CAS
北大核心
2024
0
下载PDF
职称材料
2
融合蛋白质语言模型与深度神经网络的植物蛋白质相互作用预测研究
古海博
王成凤
金远
池方爱
李颜娥
《电子技术应用》
2024
0
下载PDF
职称材料
3
基于图注意力和蛋白质语言模型的药物靶标亲和力预测
任鹏
段乐乐
《软件》
2024
0
下载PDF
职称材料
4
基于预训练蛋白质语言模型的氨基酸致病突变预测
罗江毅
姚音
《河南科学》
2023
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部