基于注意力机制的跨模态互补位预测
机器学习
2020-04-14 v1 机器学习
生物大分子
定量方法
摘要
抗体是免疫系统的关键部分，具有直接中和或标记不良物体(抗原)以供后续清除的功能。能够预测哪些氨基酸属于互补位(抗体上结合抗原的区域)，可促进抗体设计并有助于个性化医疗的发展。深度神经网络在此任务上的适用性最近已得到确认，Parapred超越了所有先前的物理模型。我们的贡献有两点：首先，我们通过利用\`a trous卷积与自注意力显著提升了Parapred的计算效率。其次，我们通过允许抗体残基关注抗原残基来实现跨模态注意力。这在该任务上取得了新的最先进结果，并带来了有洞察力的解释。
关键词
引用
@article{arxiv.1806.04398,
title = {Attentive cross-modal paratope prediction},
author = {Andreea Deac and Petar Veličković and Pietro Sormanni},
journal= {arXiv preprint arXiv:1806.04398},
year = {2020}
}
备注
To appear at the 2018 ICML/IJCAI Workshop on Computational Biology. 5 pages, 6 figures