手機版 | wap版 | 網站主頁 | HOME | 3G網頁
<button id="wfydw"><acronym id="wfydw"></acronym></button>

<dd id="wfydw"></dd>
<button id="wfydw"></button>
      1. <progress id="wfydw"></progress>
        <tbody id="wfydw"><track id="wfydw"></track></tbody>
        <em id="wfydw"><tr id="wfydw"></tr></em>
        手機版 | wap版 | 網站主頁 | HOME | 3G網頁
        <button id="wfydw"><acronym id="wfydw"></acronym></button>

        <dd id="wfydw"></dd>
        <button id="wfydw"></button>
            1. <progress id="wfydw"></progress>
              <tbody id="wfydw"><track id="wfydw"></track></tbody>
              <em id="wfydw"><tr id="wfydw"></tr></em>

              Proteins| 深度學習預測蛋白接觸圖譜

              -回復 -瀏覽
              樓主 2020-04-04 12:45:10
              舉報 只看此人 收藏本貼 樓主

              大家好,本周給大家推薦一篇來自Proteins上的文章,文章的題目是Protein contact prediction by integrating deep multiple sequence alignments, coevolution and machine learning。 作者是來自哥倫比亞密蘇里大學計算機科學系教授的Jianlin Cheng。實驗室的主要方向是蛋白質結構和功能預測,3D基因組結構建模,基於組學的生物網路建模。程博士在生物信息學,計算生物學,數據挖掘和機器學習領域有超過100種出版物,根據Google Scholar統計數據,這些出版物被引用了數千次。鄭博士為3D基因組結構建模工作獲得了2012年NSF職業榮譽獎。國家衛生研究所支持的蛋白質結構預測方法(MULTICOM)在最近幾輪社區範圍內對蛋白質結構預測技術的臨界評估(CASP)進行了一致性評估。(http://en.wikipedia.org/wiki/Jianlin_Cheng)

              在缺乏同源結構的情況下,想進行結構從頭預測的重要關鍵是拿到殘基之間的相互作用。如果可以拿到足夠數量的相互作用,我們就可以拿到離native structure非常近的結構(小於2A)。尤其是長程的距離相互作用對結構建模更加關鍵,不過同時也非常的難得。目前為止湧現了大量的接觸預測演算法。這些算大都是依賴於大量的同源序列,作者開發了一個深度多序列比對的比對演算法,和基於共進化的接觸預測。


              在這個工作中,作者報告了CASP12實驗中,通過三種不同方法預測的殘基接觸的評估,重點研究了多序列比對,殘基共進化和機器學習對接觸預測的影響。第一種方法(MULTICOM-NOVEL)僅使用傳統特徵(序列分佈,二級結構和溶劑可及性),和深度學習方法來預測接觸並作為基線。第二種方法(MULTICOM-CONSTRUCT)使用我們的新的比對演算法來生成深多重序列比對,以獲得基於協同演化的特徵,其通過神經網路方法來整合以預測接觸。第三種方法(MULTICOM-CLUSTER)是前兩種方法的預測的共同組合。我們評估了94個CASP12結構域的方法。在38個自由建模領域的子集中,我們的方法在頂級L / 5遠程聯繫預測中實現了高達41.7%的平均精度。三種方法的比較表明,基於協同演化的特徵和傳統特徵的多序列比對,基於協同演化的特徵和機器學習集成的質量和有效深度推動了預測蛋白質接觸的質量。在完整的CASP12數據集上,基於協同演化的功能單獨可以將平均精度從28.4%提高到41.6%,所有功能的機器學習整合進一步提高了56.3%的精度,當對前面的L / 5預測長距離接觸進行評估,接觸預測精度與比對中有效序列數的對數之間的相關性為0.66。


              文章引用:

              DOI 10.1002/prot.25405

              文章鏈接:

              http://onlinelibrary.wiley.com/doi/10.1002/prot.25405/epdf


              我要推薦
              轉發到
              <button id="wfydw"><acronym id="wfydw"></acronym></button>

              <dd id="wfydw"></dd>
              <button id="wfydw"></button>
                  1. <progress id="wfydw"></progress>
                    <tbody id="wfydw"><track id="wfydw"></track></tbody>
                    <em id="wfydw"><tr id="wfydw"></tr></em>