文献

J-GLOBAL ID：202102212242863250   整理番号：21A2870537

蛋白質二次構造の学習におけるモジュラーリカレントニューラルネットワークの設計に向けて【JST・京大機械翻訳】

Towards designing modular recurrent neural networks in learning protein secondary structures

著者 (3件)： Babaei Sepideh (Department of Biomedical Engineering, Amirkabir University of Technology (Tehran Polytechnic), 15914 Tehran, Iran) ,  Geranmayeh Amir (Department of Electrical Engineering and Information Technology, Darmstadt University of Technology, 64289 Darmstadt, Germany) ,  Seyyedsalehi Seyyed Ali (Department of Biomedical Engineering, Amirkabir University of Technology (Tehran Polytechnic), 15914 Tehran, Iran)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 39  号： 6  ページ： 6263-6274  発行年： 2012年 
JST資料番号： W0178A  ISSN： 0957-4174  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 関連するアミノ酸配列からの蛋白質二次構造の正確な予測は,バイオインフォマティクスにおいて非常に重要であり,機械学習アルゴリズムにとって挑戦的なタスクである。最終的な3次元構造を予測する主要なステップとして,二次構造帰属は蛋白質機能を指定する。多層パーセプトロンニューラルネットワークを考慮して,参照ネットワークとして,隠れ層の最適サイズのために,参照ネットワークとして,2次構造予測を強化するために,先進種類の再帰ニューラルネットワーク(RNN)を考案した。2次構造要素間の強い相関をよりよくモデル化するために,モジュラ型逆再帰型ニューラルネットワーク(MRR-NN)のタイプを調べた。さらに,二次構造の形成におけるアミノ酸間の長距離相互作用を考慮して,双方向RNNを調べた。最後に,多層双方向性再帰ニューラルネットワーク(MBR-NN)を適用して,主要な長期依存性を捉えた。結局,MRR-NNとMBR-NNの対話型組合せに基づくモジュール予測システムは,PSIPREDデータセット上でテストされたとき,最大76.91%のパーセンテージ精度(Q_3)と68.13%までのセグメントオーバラップ(SOV)を増大した。二次構造型と蛋白質鎖に沿ったアミノ酸の逐次情報との結合効果は,MRR-NNとMBR-NNの統合により良くキャストできた。Copyright 2021 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 相互作用 ,  最適規模 ,  *ネットワーク ,  *ニューラルネットワーク ,  アミノ酸 ,  アミノ酸配列 ,  *タンパク質 ,  *二次構造 ,  遠距離相互作用 ,  学習アルゴリズム
準シソーラス用語： バイオインフォマティクス ,  双方向性 ,  *リカレントニューラルネットワーク ,  蛋白質機能 ,  二次構造予測 , 【Automatic Indexing@JST】

著者キーワード (6件)： 蛋白質二次構造 ,  相互リカレントニューラルネットワーク ,  双方向リカレントニューラルネットワーク ,  モジュールネットワーク ,  二次構造相関 ,  アミノ酸相互作用

分類 (1件)： 分子構造  (EB03020Y)

タイトルに関連する用語 (3件)： 蛋白質二次構造 ,  学習 ,  設計