GL-BLSTM：一种用于二硫键键合状态预测的双向长短期记忆新型结构
定量方法
2018-08-14 v1
摘要
背景：二硫键对蛋白质结构形成至关重要。开发一种有效预测二硫键形成的方法对蛋白质结构建模和功能研究十分重要。目前大多数方法仍有不足，包括准确率低以及对判别特征筛选的严格要求。结果：在本研究中，我们引入了一种称为全局-局部-双向长短期记忆（GL-BLSTM）的双向长短期记忆（BLSTM）神经网络嵌套结构，用于二硫键键合状态预测。基于二硫键形成模式，使用称为局部-BLSTM的BLSTM网络提取每个Cys残基周围的基于上下文的特征。在局部-BLSTM层之上引入另一种称为全局-BLSTM的BLSTM网络，以整合同一条蛋白质链中所有Cys残基的基于上下文的特征，从而在训练过程中纳入残基间关系。根据我们的实验结果，GL-BLSTM网络性能远优于其他方法，GL-BLSTM在残基级别达到90.26%准确率，在蛋白质级别达到83.66%准确率。该模型已达到该领域的当前最优（state of the art）。结论：GL-BLSTM的特殊结构与机制有利于二硫键键合状态预测。通过应用双向LSTM，它可通过处理蛋白质序列提取基于上下文的特征，从而获得比传统机器学习方法更具判别性的信息。此外，GL-BLSTM的特殊双层结构使其能够提取局部和全局特征，其中全局特征在提高预测准确率方面起重要作用，尤其在蛋白质级别。关键词：二硫键；预测；深度学习；双向长短期记忆
引用
@article{arxiv.1808.03745,
title = {GL-BLSTM: a novel structure of bidirectional long-short term memory for disulfide bonding state prediction},
author = {Junshu Jiang and Shangjie Zou and Yu Sun and Shengxiang Zhang},
journal= {arXiv preprint arXiv:1808.03745},
year = {2018}
}
备注
9 pages, 6 figures, 1 table