文献

J-GLOBAL ID：201902234344519205   整理番号：19A1958562

DNA-蛋白質結合部位を予測するための高次畳込みニューラルネットワークアーキテクチャ【JST・京大機械翻訳】

High-Order Convolutional Neural Network Architecture for Predicting DNA-Protein Binding Sites

著者 (3件)： Zhang Qinhu (Tongji University, Shanghai, China) ,  Zhu Lin (Tongji University, Shanghai, China) ,  Huang De-Shuang (Tongji University, Shanghai, China)
資料名： IEEE/ACM Transactions on Computational Biology and Bioinformatics  (IEEE/ACM Transactions on Computational Biology and Bioinformatics)
巻： 16  号： 4  ページ： 1184-1192  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： Deep学習アルゴリズムはDNA-蛋白質結合の配列特異性の予測において従来の方法より優れていたが,ヌクレオチド間の依存性と異なる転写因子(TF)に対する多様な結合長を考慮する必要がない。上記の2つの限界を同時に扱うために,本論文では,高次畳込みニューラルネットワークアーキテクチャ(HOCNN)を提案した。これは,ヌクレオチド間の高次依存性を構築するための高次符号化法と,異なる長さのモチーフ特徴を獲得するための多重スケール畳込み層を用いる。実際のChIP-seqデータセットに関する実験結果は,提案方法がモチーフ発見作業において最先端の深い学習方法(DeepBind)より優れていることを示した。さらに,付加的畳込みカーネルを導入することの重要性とモチーフ発見タスクにおいて高次をインポートする退化問題についてのさらなる洞察を提供した。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： *畳込み ,  退化 ,  学習アルゴリズム ,  核間距離 ,  *タンパク質結合 ,  *DNA【核酸】 ,  ヌクレオチド ,  転写因子
準シソーラス用語： 学習方法 ,  モチーフ発見 ,  マルチスケール ,  特異性 ,  *ニューラルネットワークアーキテクチャ , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： DNA ,  蛋白質 ,  結合部位 ,  予測 ,  畳込みニューラルネットワーク ,  アーキテクチャ