幾何学的構造プレトレーニングによる蛋白質表現学習【JST・京大機械翻訳】

Zhang Zuobai; Xu Minghao; Jamasb Arian; Chenthamarakshan Vijil; Lozano Aurelie; Das Payel; Tang Jian

プレプリント

J-GLOBAL ID：202202200228602624 整理番号：22P0302775

幾何学的構造プレトレーニングによる蛋白質表現学習【JST・京大機械翻訳】

Protein Representation Learning by Geometric Structure Pretraining

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (7件)： , , , , , ,
資料名：
発行年： 2022年03月11日プレプリントサーバーでの情報更新日： 2023年01月27日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

効果的な蛋白質表現の学習は,蛋白質機能または構造の予測のような生物学における様々なタスクにおいて重要である。既存のアプローチでは,通常,多数のラベルされていないアミノ酸配列に関する蛋白質言語モデルをプレトレインし,次に,下流タスクにおけるいくつかのラベル付きデータでモデルを微調整する。配列に基づくアプローチの有効性にもかかわらず,蛋白質構造が蛋白質機能の決定因子であることが知られているが,既知の蛋白質構造に関するプレトレーニングのパワーは,より少数の数で利用可能であるが,蛋白質特性予測のためには調べられていない。本論文では,3D構造に従って蛋白質表現をプレトレインすることを提案する。まず,蛋白質の幾何学的特徴を学習するための簡単で効果的な符号器を提示した。著者らは,マルチビューコントラスト学習と種々の自己予測タスクをレバーグすることによって,蛋白質グラフ符号器をプレトレインした。関数予測と折りたたみ分類タスクの両方に関する実験結果は,提案した予訓練法が,最先端のシーケンスベースの方法よりも性能が優れているか,または,はるかに少ない事前訓練データを使用することを示した。著者らの実装はhttps://github.com/DeepGraphLearning/GearNetで利用可能である。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

分子構造 , 分子・遺伝情報処理

, , ,

前のページに戻る