文献

J-GLOBAL ID：202002257625041742   整理番号：20A1034500

BaggingMSA学習:正確な蛋白質構造特性予測のための深層学習による低品質PSSMの強化【JST・京大機械翻訳】

Bagging MSA Learning: Enhancing Low-Quality PSSM with Deep Learning for Accurate Protein Structure Property Prediction

著者 (7件)： Guo Yuzhi (University of Texas at Arlington, Arlington, TX, USA) ,  Guo Yuzhi (Tencent AI Lab, Shenzhen, China) ,  Wu Jiaxiang (Tencent AI Lab, Shenzhen, China) ,  Ma Hehuan (University of Texas at Arlington, Arlington, TX, USA) ,  Wang Sheng (University of Texas at Arlington, Arlington, TX, USA) ,  Huang Junzhou (University of Texas at Arlington, Arlington, TX, USA) ,  Huang Junzhou (Tencent AI Lab, Shenzhen, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12074  ページ： 88-103  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 蛋白質構造特性,例えば二次構造及び溶媒接近性の正確な予測は,蛋白質の構造及び機能の解析に必須である。PSSM(位置特異的符号化行列)特徴は構造特性予測に広く使われている。しかしながら,いくつかの蛋白質は,不十分な相同配列により低品質PSSM特徴を有する可能性があり,限られた予測精度をもたらす。この限界に対処するために,PSSM特徴のための強化方式を提案した。このモデルを訓練するために使用されるPSSM特徴を計算するために「バギングMSA」法を導入し,長期依存性のために局所的文脈特徴と双方向LSTMを獲得するために畳込みネットワークを採用し,教師なしのフレームワークの下でそれらを統合した。次に,構造特性予測モデルを,より正確な予測のためにそのような強化PSSM特徴に基づいて構築した。CB513,CASP11およびCASP12データセットの経験的評価により,著者らの教師なし強化方式は,構造特性予測のためのより有益なPSSM特徴を実際に生成することを示した。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 畳込み ,  *学習 ,  ネットワーク ,  教師なし学習 ,  *タンパク質 ,  二次構造 ,  構造特性 ,  予測モデル
準シソーラス用語： 蛋白質二次構造 ,  予測精度 ,  相同配列 ,  *蛋白質構造 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 深層学習 ,  教師なし学習 ,  PSSMの強化 ,  蛋白質二次構造予測

分類 (2件)： 分子構造  (EB03020Y) ,  分子・遺伝情報処理  (JE15040B)

タイトルに関連する用語 (6件)： 学習 ,  蛋白質 ,  構造特性 ,  予測 ,  深層学習 ,  強化