基于深度学习的蛋白质-ATP结合位点预测

• 作者: 刘桂霞 裴志尧 宋佳智
• 来源期刊: 吉林大学学报（工学版）
• 学科: 工学
• 关键词: 生物信息学 蛋白质-ATP结合位点预测 特征提取 深度学习 Inception网络模型
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 计算机科学与技术
• 页码范围: 187-194
• 页数: 8页
• 分类号: TP399
• 语种: 中文
• DOI: 10.13229/j.cnki.jdxbgxb20200723

摘要

为了提高识别蛋白质-ATP结合位点预测精度,提出了基于Inception架构的深度网络模型Inception_base,同时对网络模型和训练策略进行优化和改进,提出了新的网络模型Inception_ evolution.通过两组数据集在该模型上测试,获得AUC分别为0.885和0.918,均优于其他对比机器学习方法.实验结果表明,深度学习方法可以应用于蛋白质-ATP结合位点预测问题中,该模型能够更精确预测蛋白质-ATP结合位点.