同时关注序列与结构的Transformer神经网络用于蛋白质预测任务
机器学习
2022-06-23 v1 人工智能
定量方法
摘要
从基因组中解码出的蛋白质序列数量不断增加，为利用Transformer神经网络将蛋白质序列与功能联系起来的研究开辟了新途径。近期研究表明，已知蛋白质序列的数量足以通过Transformer学习到有用的、任务无关的序列表示。在本文中，我们提出学习联合的序列-结构表示可为功能相关预测任务产生更好的表示。我们提出了一种同时关注序列和三级结构的Transformer神经网络。我们表明，此类联合表示比仅基于序列的表示更强大，并且在超家族成员判定任务的各种指标上取得了更好的性能。
引用
@article{arxiv.2206.11057,
title = {Transformer Neural Networks Attending to Both Sequence and Structure for Protein Prediction Tasks},
author = {Anowarul Kabir and Amarda Shehu},
journal= {arXiv preprint arXiv:2206.11057},
year = {2022}
}
备注
8 pages, 4 figures, 3 tables