一种基于相互作用配体的蛋白质分布式表示新方法
机器学习
2018-07-02 v1 生物大分子
摘要
蛋白质的有效表示是一项关键任务，直接影响许多生物信息学问题的性能。相关蛋白质通常结合相似的配体。已知配体的化学特征能够捕捉蛋白质的功能和机制特性，这表明可以基于配体的方法来用于蛋白质表示。在本研究中，我们提出 SMILESVec，一种基于 SMILES 的配体表示方法，以及一种通过基于其配体描述蛋白质来计算蛋白质相似性的新方法。利用蛋白质所结合配体的 SMILES 字符串的词嵌入来定义蛋白质。所提出的蛋白质描述方法的性能在蛋白质聚类任务中使用 TransClust 和 MCL 算法进行评估。比较了另外两种利用蛋白质序列的蛋白质表示方法 BLAST 和 ProtVec，以及两种基于化合物指纹的蛋白质表示方法。我们表明，仅使用蛋白质所结合配体的 SMILES 字符串的基于配体的蛋白质表示，在蛋白质聚类中表现与基于蛋白质序列的表示方法相当。结果表明，基于配体的蛋白质描述可以作为传统的基于序列或结构的蛋白质表示的替代方案，并且这种新方法可应用于不同的生物信息学问题，例如预测新的蛋白质-配体相互作用和蛋白质功能注释。
引用
@article{arxiv.1801.10199,
title = {A novel methodology on distributed representations of proteins using their interacting ligands},
author = {Hakime Öztürk and Elif Ozkirimli and Arzucan Özgür},
journal= {arXiv preprint arXiv:1801.10199},
year = {2018}
}