基于深度迁移学习的液相色谱肽保留时间精确预估
定量方法
2017-11-02 v1
摘要
本文利用深度学习方法（残差网络 ResNet 与长短期记忆网络 LSTM 的集成）开发了一种用于液相色谱（LC）中肽保留时间（RT）的全自动预测工具，称为 DeepRT。与基于手工提取肽特征的传统预测器不同，DeepRT 从原始氨基酸序列中学习特征，并对未修饰肽的 RT 做出较为准确的预测，其 R2 达 0.987。此外，借助迁移学习，DeepRT 能够利用在不同 LC 条件和不同修饰状态下生成的肽数据集，从而对未修饰肽的 RT 预测 R2 达到 0.992，对翻译后修饰肽达到 0.978。尽管肽的色谱行为十分复杂，本研究证明肽 RT 预测可通过深度迁移学习得到大幅改进。DeepRT 软件遵循 Apache2 开源许可，可在 https://github.com/horsepurve/DeepRT 免费获取。
引用
@article{arxiv.1711.00045,
title = {Retention Time of Peptides in Liquid Chromatography Is Well Estimated upon Deep Transfer Learning},
author = {Chunwei Ma and Zhiyong Zhu and Jun Ye and Jiarui Yang and Jianguo Pei and Shaohang Xu and Chang Yu and Fan Mo and Bo Wen and Siqi Liu},
journal= {arXiv preprint arXiv:1711.00045},
year = {2017}
}
备注
13-page research article