利用深度图嵌入揭示RNA二级结构的折叠图景
机器学习
2022-03-29 v3 机器学习
摘要
生物分子图分析在新兴的几何深度学习领域中近期备受关注。在此我们专注于以能暴露它们之间有意义关系与变化的方式组织生物分子图。我们提出一种几何散射自编码器（GSAE）网络来学习此类图嵌入。我们的嵌入网络首先使用近期提出的几何散射变换提取丰富的图特征，然后利用半监督变分自编码器提取保留这些特征中信息的低维嵌入，从而能够预测分子性质并刻画图。我们展示GSAE既按结构也按能量组织RNA图，准确反映双稳态RNA结构。此外，该模型具有生成能力，可采样新的折叠轨迹。
引用
@article{arxiv.2006.06885,
title = {Uncovering the Folding Landscape of RNA Secondary Structure with Deep Graph Embeddings},
author = {Egbert Castro and Andrew Benz and Alexander Tong and Guy Wolf and Smita Krishnaswamy},
journal= {arXiv preprint arXiv:2006.06885},
year = {2022}
}
备注
10 pages, 10 figures, 4 tables, Presented at IEEE Big Data 2020