文献

J-GLOBAL ID：202102225044991518   整理番号：21A2658039

キータンパク質を認識するハイブリッド深さ学習モデル【JST・京大機械翻訳】

Identifying Essential Proteins by Hybrid Deep Learning Model

著者 (3件)： Liu Wenyang (云南大学信息学院 昆明 650500) ,  Guo Yanbu (云南大学信息学院 昆明 650500) ,  Li Weihua (云南大学信息学院 昆明 650500)
資料名： Jisuanji Kexue  (Jisuanji Kexue)
巻： 48  号： 8  ページ： 240-245  発行年： 2021年 
JST資料番号： C2530A  ISSN： 1002-137X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 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】

シソーラス用語： *学習 ,  *学習モデル ,  ネットワーク ,  ニューラルネットワーク ,  *タンパク質 ,  多重化 ,  ドラッグデザイン ,  ロバスト性 ,  機械学習 ,  位置情報
準シソーラス用語： 蛋白質間相互作用 ,  学習能力 ,  認識精度 ,  学習方法 ,  創薬標的 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  計算機網  (JC03000K)

タイトルに関連する用語 (3件)： キー ,  タンパク質 ,  学習モデル