文献

J-GLOBAL ID：201902226690258995   整理番号：19A1381931

深部残留開始ニューラルネットワークを用いた蛋白質骨格ねじれ角の予測【JST・京大機械翻訳】

Prediction of Protein Backbone Torsion Angles Using Deep Residual Inception Neural Networks

著者 (3件)： Fang Chao (Department of Electrical Engineering and Computer Science, University of Missouri-Columbia, Columbia, MO) ,  Shang Yi (Department of Electrical Engineering and Computer Science, University of Missouri-Columbia, Columbia, MO) ,  Xu Dong (Department of Electrical Engineering and Computer Science and Bond Life Sciences Center, University of Missouri-Columbia, Columbia, MO)
資料名： IEEE/ACM Transactions on Computational Biology and Bioinformatics  (IEEE/ACM Transactions on Computational Biology and Bioinformatics)
巻： 16  号： 3  ページ： 1020-1028  発行年： 2019年 
JST資料番号： W1409A  ISSN： 1545-5963  CODEN： ITCBCY  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 蛋白質骨格ねじれ角(PsiとPhi)の予測は,蛋白質構造予測と配列アラインメントのための重要な情報を提供することができる。Psi-Phi角度予測のための既存の方法は,改良のために重要な余地を持った。本論文において,DeepRINと呼ばれる新しい深い残留開始ネットワークアーキテクチャを,Psi-Phi角度の予測のために提案した。DeepRINへの入力は,PSI-BLASTにより生成された20次元位置特異的置換マトリックス(PSSM)であるアミノ酸の物理化学的性質の組成を表す特徴マトリックスであり,HHBlitにより生成された30次元隠れMarkovモデル配列プロファイルであり,8状態二次構造特徴を予測した。DeepRINは,画像分類とテキスト認識に良く機能した開始ネットワークと残留ネットワークに基づいて設計される。DeepRINのアーキテクチャは,蛋白質配列におけるアミノ酸間の局所的及び全体的な相互作用の効果的なコード化を可能にし,accruacte予測を達成する。広範な実験結果はDeepRINが最良の既存ツールよりも優れていることを示した。最近発表された最先端のツールと比較して,SPIDER3,DeepRINは,Psi角予測誤差を5度以上,Phi角予測誤差を平均2度以上低減した。DeepRINの実行可能なツールは,http://dslsrv8.cs.missouri.edu/cf797/MUFoldAngle/におけるダウンロードのために利用可能である。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ネットワークアーキテクチャ ,  アミノ酸配列 ,  相互作用 ,  二次構造 ,  *ニューラルネットワーク ,  *ネットワーク ,  アミノ酸 ,  計算機アーキテクチャ ,  隠れMarkovモデル ,  *予測 ,  *タンパク質 ,  予測誤差
準シソーラス用語： テキスト ,  配列アライメント ,  *ねじれ角 , 【Automatic Indexing@JST】

分類 (2件)： 計算機網  (JC03000K) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (7件)： 深部 ,  残留 ,  ニューラルネットワーク ,  蛋白質 ,  骨格 ,  ねじれ角 ,  予測