基于声学信号嵌入的二维 NMR 谱氨基酸分类
定量方法
2022-08-03 v1 音频与语音处理
摘要
核磁共振 (NMR) 在结构生物学中用于实验测定蛋白质结构，该结构广泛应用于生物学诸多领域，并是药物开发的重要组成部分。遗憾的是，NMR 数据每个样品的采集成本可达数千美元，且专家可能需要数周才能将观测到的共振归属到特定化学基团。因此，NMR 界日益关注利用深度学习实现 NMR 数据标注的自动化。鉴于 NMR 与音频数据的相似性，我们提出声学信号处理中的方法亦可应用于 NMR。利用模拟氨基酸数据集，我们表明，通过将滤波器组替换为可训练的卷积编码器，来自说话人确认模型的声学信号嵌入可通过将每种氨基酸视为唯一说话人而用于二维 NMR 谱中的氨基酸分类。在规模相当于 46 小时音频的 NMR 数据集上，我们在 20 类问题上取得了 97.7% 的分类性能。相较于已有的基于 NMR 的模型，使用声学嵌入模型还带来了 23% 的相对提升。
引用
@article{arxiv.2208.00935,
title = {Amino Acid Classification in 2D NMR Spectra via Acoustic Signal Embeddings},
author = {Jia Qi Yip and Dianwen Ng and Bin Ma and Konstantin Pervushin and Eng Siong Chng},
journal= {arXiv preprint arXiv:2208.00935},
year = {2022}
}