文献

J-GLOBAL ID：202002211423566375   整理番号：20A1341880

蛋白質構造クラスの深層学習:‘‘の謎の証拠?【JST・京大機械翻訳】

Deep Learning of Protein Structural Classes: Any Evidence for an `Urfold’?

著者 (7件)： Jaiswal Menuka (University of Virginia,School of Data Science,Charlottesville) ,  Saleem Saad (University of Virginia,School of Data Science,Charlottesville) ,  Kweon Yonghyeon (University of Virginia,School of Data Science,Charlottesville) ,  Draizen Eli J (University of Virginia,Department of Biomedical Engineering,Charlottesville) ,  Veretnik Stella (University of Virginia,Department of Biomedical Engineering,Charlottesville) ,  Mura Cameron (University of Virginia,Department of Biomedical Engineering,Charlottesville) ,  Bourne Philip E (University of Virginia,School of Data Science,Charlottesville)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： SIEDS  ページ： 1-6  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： アミノ酸配列からの蛋白質三次元(3D)構造の正確な予測における最近の計算の進歩は,蛋白質間の相互関係を解読するユニークな機会を提供する。このタスクは3D構造比較と分類のLagrange問題と等価でない。歴史的に,蛋白質ドメイン分類は,各種の発見的方法に依存して,主に手動および主観的活動である。CATHのようなデータベースは,より体系的な(および自動化可能な)アプローチに向けた重要なステップを表すが,機械学習で接地された,よりスケーラブルで定量的な分類法の開発のための多くの余地がまだ残されている。Deep Learning(DL)アプローチによるこれらの関係の再検討は,分類スキームの大規模再構築を随伴し,蛋白質間の遠隔関係の解釈性に関して改善した。ここでは,CATHの「相同スーパーファミリー」(SF)レベルでの分類特性を評価するために,蛋白質ドメイン構造(およびそれらの関連物理化学的性質)に関するDLモデルの訓練について述べる。これを達成するために,畳込みオートエンコーダモデルアーキテクチャを利用して,画像分類法と画像セグメンテーション技術の拡張を考案し,適用した。DLアーキテクチャは,意味で,‘細な異なる相同SFsで,構造特徴の学習を可能にする。SF当りの1つのモデルの構築と,モデルの損失関数の比較により,SF間のペアワイズ距離を評価,定量化する。これらの距離行列上の階層的クラスタリングは,単純な構造/幾何学的類似性を超えて拡張し,構造/機能特性の領域に向けて,蛋白質の新しい見解を提供する。Copyright 2020 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 ,  自動化 ,  損失関数 ,  データベース ,  アミノ酸配列 ,  *タンパク質 ,  発見的方法 ,  三次元 ,  計算機アーキテクチャ ,  機械学習
準シソーラス用語： 距離行列 ,  画像セグメンテーション ,  画像分類 ,  *蛋白質構造 ,  *深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 蛋白質構造 ,  クラス ,  深層学習 ,  証拠