文献

J-GLOBAL ID：202002284581781944   整理番号：20A2733433

多出力モデルによる蛋白質二次構造予測の促進【JST・京大機械翻訳】

Promoting Protein Secondary Structure Prediction by Multi-output Model

著者 (3件)： LI LONG (Guangxi University, China) ,  CHEN SIQI (Guangxi University, China) ,  ZHOU FEN (Guangxi University, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： IPMV 2020  ページ： 22-30  発行年： 2020年 
JST資料番号： D0698C  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： 蛋白質の二次構造は3状態と8状態分類標準を有し,2つの間に一定の対応と共通性が存在する。蛋白質二次構造予測を改善するために一貫した関係を完全に利用するために,TSAESと名付けたアンサンブル法を導入し,3分類と8分類を互いに補正し,より合理的を達成した。同じ考察に基づいて,MOSPのために短い最終多出力同時予測深層モデルをさらに提案した。それは最初に蛋白質配列の特徴スケールをマイニングして,次に,シーケンスの短範囲依存性と長期情報を効果的に抽出するために多層時間畳込みネットワークを利用した。最後に,高レベル特徴表現を用いて,3状態と8状態分類の出力を最適化した。実験結果は,ここで提案した38関係認識法が,38関係-診断ベースラインモデルのQ3とQ8精度に対して,平均0.73%,0.48%を平均的に強化することを示した。本研究は,関係利用の有効性を検証したが,正確な予測を行うとき,モデル革新以外の新しい貴重な思考角度を提供した。さらに,提案方法は,他のモデルに容易に移植でき,強い実現可能性と実用性を示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  畳込み ,  ネットワーク ,  アミノ酸配列 ,  *タンパク質 ,  多重化 ,  *二次構造 ,  深層 ,  有効性
準シソーラス用語： *蛋白質二次構造 ,  共通性 ,  実用性 ,  特徴表現 ,  深層学習 ,  アンサンブル法 , 【Automatic Indexing@JST】

著者キーワード (4件)： 深層学習 ,  多重出力 ,  蛋白質二次構造 ,  時間的畳込みネットワーク

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 (4件)： モデル ,  蛋白質二次構造 ,  予測 ,  促進