基于注意力机制的 CNN-BiLSTM 混合方法用于蛋白质家族分类 -- ProFamNet
定量方法
2024-10-24 v1 机器学习
摘要
先进的自动化 AI 技术使我们能够对蛋白质序列进行分类，以辨别其生物学家族和功能。常规方法通常侧重于从序列中提取 N-Gram 特征，而忽略关键 motifs 信息以及 motifs 与相邻氨基酸之间的相互作用。最近已将卷积神经网络应用于氨基酸和 motifs 数据，即使在数据集有限（即经良好特征化的蛋白质）的情况下也取得了改进性能。本研究提出一种模型，用于通过 1D-CNN、BiLSTM 与注意力机制的融合来分类蛋白质家族，这种方法结合了空间特征提取、长期依赖性和上下文感知表示。提出的模型（ProFamNet）以 450,953 个参数和紧凑的 1.72 MB 大小实现了卓越的模型效率，超过了具有 4,578,911 个参数和 17.47 MB 大小的最先进模型。进一步地，我们以更高的 F1 分数（98.30% vs. 97.67%）和更多实例（271,160 vs. 55,077）在更少的训练 epoch（25 vs. 30）中取得优异成绩。
引用
@article{arxiv.2410.17293,
title = {A Fusion-Driven Approach of Attention-Based CNN-BiLSTM for Protein Family Classification -- ProFamNet},
author = {Bahar Ali and Anwar Shah and Malik Niaz and Musadaq Mansoord and Sami Ullah and Muhammad Adnan},
journal= {arXiv preprint arXiv:2410.17293},
year = {2024}
}
备注
It is the authors original Work