MUST-CNN：用于基于序列的蛋白质结构预测的多层移位拼接深度卷积架构
机器学习
2016-05-11 v1
摘要
从蛋白质的一级氨基酸序列预测其溶剂可及性和二级结构等蛋白质性质是生物信息学中的一项重要任务。近来，一些深度学习模型已经超越了传统的基于窗口的多层感知机。受图像分类领域启发，我们提出了一种深度卷积神经网络架构MUST-CNN，用于预测蛋白质性质。该架构使用一种新颖的多层移位拼接（MUST）技术，在蛋白质序列上生成完全密集的逐位置预测。我们的模型比最先进的模型显著更简单，却取得了更好的结果。通过结合MUST与高效卷积操作，我们可以考虑远更多的参数，同时保持非常快的预测速度。我们在两个大型蛋白质性质预测数据集上击败了最先进的性能。
引用
@article{arxiv.1605.03004,
title = {MUST-CNN: A Multilayer Shift-and-Stitch Deep Convolutional Architecture for Sequence-based Protein Structure Prediction},
author = {Zeming Lin and Jack Lanchantin and Yanjun Qi},
journal= {arXiv preprint arXiv:1605.03004},
year = {2016}
}
备注
8 pages ; 3 figures ; deep learning based sequence-sequence prediction. in AAAI 2016