基于深度學習的蛋白質(zhì)結(jié)構(gòu)域邊界預測研究.pdf

1、蛋白質(zhì)結(jié)構(gòu)域邊界準確的劃分往往被看做是對蛋白質(zhì)更高級三維結(jié)構(gòu)和功能預測的前提工作。由于基于X射線晶體衍射以及核磁共振的蛋白質(zhì)結(jié)構(gòu)確定方法成本太高、效率偏低，遠遠無法趕上新序列被發(fā)現(xiàn)的速度，發(fā)展高準確率的預測方法成為彌補這個缺口的關鍵。
　　通過對現(xiàn)有幾大類結(jié)構(gòu)域預測方法的分析，選取了其中發(fā)展?jié)摿ψ畲蟮膹念^預測法，并開展了基于深度學習的蛋白質(zhì)結(jié)構(gòu)域邊界預測研究工作。主要是借助深度學習強大的特征學習能力，自動挖掘序列所包含的對結(jié)構(gòu)域邊

2、界預測有幫助的特征。提出的第一個模型是基于卷積神經(jīng)網(wǎng)絡的結(jié)構(gòu)域邊界預測方案，該模型改進了卷積神經(jīng)網(wǎng)絡的卷積核及其移動方式，又引入了多卷積核融合的方法，使其更適合蛋白質(zhì)結(jié)構(gòu)域邊界預測問題。提出的第二個模型中使用了卷積神經(jīng)網(wǎng)絡和長短時程記憶網(wǎng)絡結(jié)合在一起的單一網(wǎng)絡對蛋白質(zhì)結(jié)構(gòu)域邊界進行預測，通過把這兩種網(wǎng)絡結(jié)合在單一網(wǎng)絡里，使長短時程記憶網(wǎng)絡對原始氨基酸序列的處理變成對經(jīng)過卷積神經(jīng)網(wǎng)絡特征提取后的新特征序列的處理。
　　結(jié)果表明，提出