基于一维卷积神经网络的蛋白质-ATP绑定位点预测

论文摘要

为了提高预测腺嘌呤核苷三磷酸（ATP）绑定位点的准确率,提出了一种基于一维卷积神经网络（1D-CNN）的方法。首先,以蛋白质的序列信息为基础,融合位置特异性得分矩阵信息、二级结构信息和水溶性信息,使用随机下采样的方法消除数据不平衡的影响,再对缺失的特征进行再编码补齐,得到训练特征。训练一个1D-CNN来预测蛋白质-ATP绑定位点,优化网络结构,并且进行实验来对比所提方法和其他机器学习方法的优劣。实验结果展示了所提方法的有效性,并且该方法与传统支持向量机（SVM）相比在AUC指标上有部分的提升。

论文目录

• 0 引言
• 1 数据集
• 2 蛋白质残基的特征表示
•   2.1 特征选取
•   2.2 随机下采样
• 3 卷积神经网络模型的构建和训练
•   3.1 网络模型结构
•   3.2 模型训练
• 4 实验结果和比较分析
•   4.1 评判标准
•   4.2 实验结果
• 5 讨论
•   5.1 一维卷积神经网络还是二维卷积神经网络
•   5.2 深度卷积神经网络还是普通卷积神经网络
• 6 结语

文章来源

类型: 期刊论文

作者: 张寓,於东军

关键词: 蛋白质,卷积神经网络,数据不平衡问题,分类

来源: 计算机应用 2019年11期

年度: 2019

分类: 信息科技,基础科学

专业: 生物学,自动化技术

单位: 南京理工大学计算机科学与工程学院

基金: 国家自然科学基金资助项目(61772273,61373062)~~

分类号: TP183;Q51

页码: 3146-3150

总页数: 5

文件大小: 572K

下载量: 158