MUFold-BetaTurn：用于蛋白质 β-转角预测的密集 inception 深度网络
生物大分子
2018-08-14 v1
摘要
β-转角预测在蛋白质功能研究与实验设计中十分有用。尽管近期使用 SVM、神经网络与 K-NN 等机器学习技术的方法已取得良好预测结果，仍有显著改进空间。由于先前的预测器利用 4–20 个残基的滑动窗口特征以捕获序列相邻残基间的相互作用，此类特征工程可能导致不完整或有偏特征，并忽略长程残基间的相互作用。深度神经网络为解决这些问题提供了新契机。在此，我们提出一种用于 β-转角预测的密集 inception 深度网络（DeepDIN），其利用了 DenseNet 与 inception 网络的最先进深度神经网络设计。在近期 BT6376 基准上的测试表明，DeepDIN 在整体预测准确率与九类 β-转角分类上均显著优于先前最佳的 BetaTPred3。我们开发了名为 MUFold-BetaTurn 的工具，这是首个利用深度神经网络的 β-转角预测工具。该工具可在 http://dslsrv8.cs.missouri.edu/~cf797/MUFoldBetaTurn/download.html 下载。
引用
@article{arxiv.1808.04322,
title = {MUFold-BetaTurn: A Deep Dense Inception Network for Protein Beta-Turn Prediction},
author = {Chao Fang and Yi Shang and Dong Xu},
journal= {arXiv preprint arXiv:1808.04322},
year = {2018}
}