基于长短期记忆网络的抗癌肽的预测

• 作者: 孙福振 宋莉 方春 李彩虹
• 来源期刊: 山东理工大学学报（自然科学版）
• 学科: 工学
• 关键词: LSTM 抗癌肽 预测
• 年，卷（期）: 2020,（3）
• 页码范围: 34-39
• 页数: 6页
• 分类号: TB391.1
• 字数: 3041字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-6197.2020.03.007

摘要

抗癌肽能够抑制癌细胞的生长,诱导癌细胞的凋亡,且具有安全、高效、低成本等优点,已成为抗肿瘤药物研究的热点.针对湿实验方法识别抗癌肽技术复杂、效率低且成本高等问题,本研究提出了一种利用肽序列信息,结合长短期记忆网络(long short term memory networks,LSTM)模型来预测抗癌肽的方法.该方法仅需要将肽序列作为输入,采用文本处理中的字符嵌入方法,自动将序列影射到特征向量表示,模型自行抽取特征进行训练和预测.实验结果表明,该方法在测试集上的正确指数达到0.829,AUC(the area under ROC curve)值达到0.895,说明本方法能够有效地辅助抗癌肽的识别.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李彩虹	山东理工大学计算机科学与技术学院	52	271	8.0	14.0
2	孙福振	山东理工大学计算机科学与技术学院	36	108	4.0	9.0
3	方春	山东理工大学计算机科学与技术学院	13	14	2.0	3.0
4	宋莉	山东理工大学计算机科学与技术学院	6	17	3.0	4.0