ProteoKnight：基于卷积的噬菌体包疏蛋白分类与不确定性分析
机器学习
2025-08-12 v1 人工智能
摘要
\textbf{引言}：准确预测噬菌体包疏蛋白（PVP）对于基因组研究至关重要，因为它们在噬菌体中发挥结构元素作用。计算工具，特别是机器学习方法，已用于从高通量测序中注释噬菌体蛋白序列。然而，有效注释需要专门的序列编码。本文介绍 ProteoKnight，一种新的基于图像的编码方法，旨在解决现有技术中存在的空间约束问题，能够在 PVP 分类中使用预训练卷积神经网络实现优异的性能。此外，我们的研究通过蒙特卡罗 Dropout（MCD）评估二分类 PVP 预测的不确定性。\textbf{方法}：ProteoKnight 采用经典 DNA-Walk 算法处理蛋白质序列，融合像素颜色并调整步长以捕捉蛋白质的细节特征。编码后的序列使用多种预训练 CNN 进行分类。利用方差和熵度量对蛋白质不同类别和长度的预测不确定性进行评估。\textbf{结果}：我们的实验在二分类中实现了 90.8% 的准确率，与最先进的方法相当。多分类准确率仍不理想。我们的不确定性分析揭示了预测置信度随蛋白质类别和序列长度而变化的特征。\textbf{结论}：本研究通过引入新型图像编码技术克服了频率混沌游戏表示（FCGR）的方法，显著缓解了空间信息丢失的局限性。我们的分类技术能够实现准确且稳健的 PVP 预测，同时识别低置信度预测。
引用
@article{arxiv.2508.07345,
title = {ProteoKnight: Convolution-based phage virion protein classification and uncertainty analysis},
author = {Samiha Afaf Neha and Abir Ahammed Bhuiyan and Md. Ishrak Khan},
journal= {arXiv preprint arXiv:2508.07345},
year = {2025}
}