文献

J-GLOBAL ID：202102226355684823   整理番号：21A1960177

蛋白質結合部位検出のためのDNAの物理化学的性質を用いたトレーニングモデル【JST・京大機械翻訳】

Training models employing physico-chemical properties of DNA for protein binding site detection

著者 (5件)： Pap Gergely (Institute of Informatics, University of Szeged,Szeged,Hungary) ,  Adam Krisztian (Institute of Biophysics, Biological Research Centre Eoetvoes Lora ́nd Research Network,Szeged,Hungary) ,  Gyorgypal Zoltan (Institute of Biophysics, Biological Research Centre Eoetvoes Lora ́nd Research Network,Szeged,Hungary) ,  Toth Laszlo (Institute of Informatics, University of Szeged,Szeged,Hungary) ,  Hegedus Zoltan (Institute of Biophysics, Biological Research Centre Eoetvoes Lora ́nd Research Network,Szeged,Hungary)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2021  号： ICAPAI  ページ： 1-5  発行年： 2021年 
JST資料番号： W2441A  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： 転写因子(TF)は遺伝子発現調節に作用する最も重要な薬剤の一つであり,基本的に細胞機構の組織化された機能的操作を決定する。分子レベルで,この影響は,TF蛋白質の配列特異的物理的結合により,DNAの特定の部分に達成される。転写因子は複雑な方法で遺伝子発現を調節し,それらの結合部位の検出は多くの実験の重要な部分である。DNA配列データから転写因子結合部位(TFBS)を予測することは,バイオインフォマティクスの分野で挑戦的な課題であった。利用可能なDNA配列の豊度は,この問題に対する機械学習の使用を強く奨励する。現在まで,これらの努力の大部分はDNAの伝統的ヌクレオチドに基づく表現に基づいている。この高分子のより詳細な記述を詳述するために,著者らは,新しいPhysico-Chemical Descript(PCD)に基づくDNA表現を作って,TFBSを予測するためにニューラルネットワークを訓練するための入力として使用した。PCD表現は深層学習モデルの実行可能なフォーマットであり,特徴選択研究は適切なPCDサブセット選択の重要性を強調する。任意に選択した特徴サブセットの使用で検出される明確な予測効率は,異なるDNA特性がTFのDNA結合過程に様々な程度に影響することを示した。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ニューラルネットワーク ,  *DNA【核酸】 ,  *タンパク質 ,  ヌクレオチド ,  特徴選択 ,  *結合部位 ,  *タンパク質結合 ,  遺伝子発現 ,  転写因子 ,  機械学習
準シソーラス用語： バイオインフォマティクス ,  DNA結合 ,  DNA配列 ,  転写因子結合部位 ,  深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 蛋白質 ,  結合部位 ,  DNA ,  物理化学的性質 ,  トレーニング ,  モデル