人工神经网络用于蛋白质一级序列结构预测的最优编码研究
机器学习
2020-08-05 v1 神经与进化计算
定量方法
摘要
近年来，机器学习与神经网络的使用急剧增长，主要归因于数据可及性的不断提升和计算能力的增长。利用机器学习进行预测任务已变得愈发容易。蛋白质结构预测是神经网络日益流行且取得成功的一个领域。尽管功能强大，人工神经网络的使用仍需选择最恰当的输入/输出编码、架构和类别以产生最优结果。在本研究中，我们探索并评估了若干常规及新提出的输入编码的影响，并选定了最优架构。我们考虑了 11 种输入编码变体、11 种备选窗口大小以及 7 种不同架构。在三个月期间，我们总计评估了 2541 种排列组合，应用于超过 10000 个蛋白质结构的训练与测试。我们的研究得出结论：独热编码、LSTM 的使用以及 9、11 和 15 的窗口大小可产生最优结果。通过此优化，我们能够将蛋白质结构预测质量提升至：预测 {\phi} 二面角在 14{\deg} - 16{\deg} 以内，{\psi} 二面角在 23{\deg}- 25{\deg} 以内。与先前类似研究相比，这是一个显著改进。
引用
@article{arxiv.2008.00539,
title = {An Investigation in Optimal Encoding of Protein Primary Sequence for Structure Prediction by Artificial Neural Networks},
author = {Aaron Hein and Casey Cole and Homayoun Valafar},
journal= {arXiv preprint arXiv:2008.00539},
year = {2020}
}