文献

J-GLOBAL ID：202002271677818077   整理番号：20A1196359

PhotransFer:階層におけるキナーゼ特異的リン酸化部位予測のための深い移動学習フレームワーク【JST・京大機械翻訳】

PhosTransfer: A Deep Transfer Learning Framework for Kinase-Specific Phosphorylation Site Prediction in Hierarchy

著者 (6件)： Xu Ying (IBM Research Australia, Melbourne, Australia) ,  Wilson Campbell (Monash University, Melbourne, Australia) ,  Leier Andre (University of Alabama at Birmingham, Birmingham, USA) ,  Marquez-Lago Tatiana T. (University of Alabama at Birmingham, Birmingham, USA) ,  Whisstock James (Monash University, Melbourne, Australia) ,  Song Jiangning (Monash University, Melbourne, Australia)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12085  ページ： 384-395  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： 機械学習アルゴリズムは,キナーゼ特異的リン酸化部位の予測に広く用いられている。しかしながら,特定のキナーゼに対する訓練データの不足は,それらのリン酸化部位を予測するための効果的なモデルを訓練することを困難にしている。本論文では,キナーゼ特異的リン酸化部位予測を改善するために,深い移動学習フレームワーク,Phosトランスファーを提案した。4つのレベルを含むキナーゼ分類ツリー(KCT)にコード化された階層的情報に関してそれをバンクする。すなわち,キナーゼグループ,ファミリー,サブファミリー,および蛋白質キナーゼ(PKs)である。Phosトランスファーにより,より十分な訓練データで訓練されたより高いレベルでのツリーノードに関連する予測モデルを,より低いレベルでのツリーノードの予測モデルのための特徴抽出器として転送し,再利用できる。結果は,深い移動学習によるモデルが,試験した79のPKsのうちの73のために,伝達学習なしでそれらを実行したことを示した。より少ない訓練データを持つキナーゼノードに対するホスホサイトの予測において,深い移動学習の正の効果がより良く実証された。これらの改善された性能をさらに検証し,異なるKCTレベルで事前訓練された隠れ層から生成されたベクトル表現の可視化により説明した。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： ベクトル ,  *学習 ,  特徴抽出 ,  可視化 ,  タンパク質キナーゼ ,  再利用 ,  学習アルゴリズム ,  予測モデル
準シソーラス用語： 訓練データ ,  隠れ層 ,  *リン酸化部位 ,  *キナーゼ , 【Automatic Indexing@JST】

著者キーワード (3件)： リン酸化部位予測 ,  階層的表現 ,  伝達学習

分類 (3件)： 酵素一般  (EB09010D) ,  遺伝子発現  (EC02040Q) ,  分子・遺伝情報処理  (JE15040B)

タイトルに関連する用語 (6件)： 階層 ,  キナーゼ ,  リン酸化部位 ,  予測 ,  学習 ,  フレームワーク