基于深度学习与领域规则建模的蛋白质信号肽及其切割位点预测

• 作者: 张维洵 沈红斌 潘小勇
• 来源期刊: 南京理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 深度学习 领域规则 蛋白质 信号肽 知识迁移 门控循环单元 条件随机场
• 年，卷（期）: 2020,（3）
• 页码范围: 278-287
• 页数: 10页
• 分类号: TP391.4
• 字数: 7553字
• 语种: 中文
• DOI: 10.14177/j.cnki.32-1397n.2020.44.03.004

摘要

为了提升蛋白质信号肽及其切割位点预测精度,有效区分3种不同类型的信号肽,提出基于位置特异性打分矩阵(PSSM)和同源检测迭代的隐马尔科夫(HMM)文件的深度学习预测方法.设计基于自注意力机制的神经网络模型用于信号肽预测,并使用基于知识迁移的模型集成方法提升预测效果.设计基于门控循环单元(GRU)网络的条件随机场(CRF)来预测信号肽切割位点,并集成领域规则方法提升预测能力.实验结果表明,该文方法对革兰氏阴性菌和革兰氏阳性菌的Sec/SPI、Sec/SPII与Tat/SPI信号肽预测任务的平均马修斯相关系数(MCC)为0.962.该文方法对革兰氏阴性菌和革兰氏阳性菌的Sec/SPI、Sec/SPII与Tat/SPI信号肽切割位点预测任务的平均召回率和准确率分别为0.698和0.662.在部分信号肽样本上,该文方法能正确预测SignalP 5.0方法预测错误的样本,2种方法在切割位点的预测上存在着一定的互补性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	沈红斌	上海交通大学图像处理与模式识别研究所	15	184	7.0	13.0
2	张维洵	上海交通大学图像处理与模式识别研究所	1	0	0.0	0.0
3	潘小勇	上海交通大学图像处理与模式识别研究所	1	0	0.0	0.0