PS8-Net:用于预测八态蛋白质二级结构的深度卷积神经网络
机器学习
2020-09-23 v1 机器学习
摘要
蛋白质二级结构对于在一级与三级(3D)结构之间建立信息桥梁至关重要。八态蛋白质二级结构(PSS)的精确预测已在生物信息学的蛋白质结构与功能分析中大量应用。深度学习技术近来应用于该研究领域,并显著提升了八态(Q8)蛋白质二级结构预测精度。然而,从理论角度看,仍有很大改进空间,特别是在八态PSS预测方面。本研究提出一种新的深度卷积神经网络(DCNN),即PS8-Net,以提升八类PSS预测的准确率。该架构的输入是由蛋白质序列特征与谱特征精心构建的特征矩阵。我们在网络中引入新的PS8模块,其通过跳跃连接应用于从更高层提取长期相互依赖关系、在更早层获取局部上下文,并在二级结构预测期间实现全局信息。我们提出的PS8-Net在基准CullPdb6133、CB513、CASP10和CASP11数据集上分别取得76.89%、71.94%、76.86%和75.26%的Q8准确率。该架构能够有效处理氨基酸间的局部与全局相互依赖以做出各类的准确预测。据我们所知,PS8-Net的实验结果表明其在上述基准数据集上优于所有SOTA方法。
引用
@article{arxiv.2009.10380,
title = {PS8-Net: A Deep Convolutional Neural Network to Predict the Eight-State Protein Secondary Structure},
author = {Md Aminur Rab Ratul and Maryam Tavakol Elahi and M. Hamed Mozaffari and WonSook Lee},
journal= {arXiv preprint arXiv:2009.10380},
year = {2020}
}