抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
キータンパク質は生体の生存に不可欠なタンパク質である。キータンパク質の同定は細胞生命の最低要求を理解し、病原性遺伝子と薬物標的の発見に役立ち、疾患の診断と治療と薬物設計などにとって重要な意義がある。既存の方法は,蛋白質相互作用ネットワークと配列の相関特性を統合することによって,キー蛋白質の認識精度とロバスト性を改善できることを示した。本論文では,遺伝子発現プロファイル,蛋白質相互作用ネットワークおよびサブセル位置情報を統合し,ハイブリッドニューラルネットワークモデルIEPHDLを設計した。第一に,双方向ゲート制御ループユニットを用いて,遺伝子発現プロファイルを特徴的に学習し,3種類のデータ特徴の深い再学習を,多重全連結層からなる深さニューラルネットワークを用いて行い,双方向ゲート制御ループユニットネットワーク,全接続ネットワーク,および完全接続ネットワークを,完全に引き出した。Node2vecは特徴学習と表示の面で優勢であり、キータンパク質の有効な識別を実現する。実験により、IEPHDLのキータンパク質識別に対する正確率は88.7%、正確率は86.2%、AUCは85.2%であり、その精度は現在の最適な中心性方法、機械学習方法、深さ学習方法より順に13%、8.9%、3.8%高いことが分かった。その他の指標もこれらの3つより高かった。最後に、実験分析を通じて、双方向ゲート制御ループセルネットワークは自身の強固な特徴学習能力に依存し、キータンパク質識別においてキー的な役割を果たすことを実証している。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】