基于CNN与LSTM模型的蛋白质二级结构预测

• 作者: 成金勇 王剑 赵志刚 鹿文鹏
• 来源期刊: 生物信息学
• 学科: 工学
• 关键词: 卷积神经网络 长短记忆网络 蛋白质二级结构预测 Ensemble方法
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 研究论文
• 页码范围: 130-136
• 页数: 7页
• 分类号: TP391.4
• 字数: 2639字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-5565.201712004

摘要

蛋白质结构的预测在理解蛋白质结构组成和蛋白质的生物学功能有重要意义,而蛋白质二级结构预测是蛋白质结构预测的重要环节.当PSSM位置特异性进化矩阵被广泛应用于将蛋白质初级结构序列编码作为输入样本后,每个残基可以被表示成二维空间的数据平面,由此文中尝试利用卷积神经网络对其进行训练.文中还设计了另一种卷积神经网络,利用长短记忆网络感知了CNN最后卷积特征面的横向特征和纵向特征后连同卷积神经网络的全连接共同完成分类,最后用ensemble方法对两类卷积神经网络模型进行了整合,最终ensemble方法中包含两类卷积神经网络的六个模型,在CB513蛋白质数据集测得的Q3结果为77.2.