教師なし蛋白質埋め込みは,分子機能の予測において手に手を置いた配列および構造特徴を外形する【JST・京大機械翻訳】

Villegas-Morcillo, A.; Makrodimitris, S.; van Ham, R.; Gomez, A. M.; Sanchez, V.; Reinders, M.

プレプリント

J-GLOBAL ID：202202202658658430 整理番号：22P0230820

教師なし蛋白質埋め込みは,分子機能の予測において手に手を置いた配列および構造特徴を外形する【JST・京大機械翻訳】

Unsupervised protein embeddings outperform hand-crafted sequence and structure features at predicting molecular function

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 (6件)： , , , , ,
資料名：
発行年： 2020年04月08日プレプリントサーバーでの情報更新日： 2020年04月08日
JST資料番号： O7001B 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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

動機づけプロテイン機能予測は難しいバイオインフォマティクス問題である。多くの最近の方法は,複雑なシーケンス表現を学習し,これらから機能を予測するために,深いニューラルネットワークを使用する。深い教師つきモデルは,このタスクには利用できない多くのラベル付き訓練データを必要とする。しかし,機能的標識のない非常に大量の蛋白質配列が利用可能である。【結果】蛋白質機能予測の監督されたタスクに関する教師なし設定で事前訓練された既存の深い配列モデルを適用した。この複雑な特徴表現が,アミノ酸,k-mer数,二次構造,およびバックボーン角の1ホットエンコードのような手作業特徴を凌駕する,このタスクに対して効果的であることを見出した。また,2層パーセプトロンが機能的注釈ベンチマークの第3臨界評価において最先端の性能を達成するのに十分であるので,それは深い予測モデルの必要性を部分的に否定する。また,この配列表現を蛋白質3D構造情報と組み合わせると,性能の改善に至らず,三次元構造が教師なし予訓練中に潜在的に学習されるというヒントを得た。使用したすべてのモデルのアベイラビリティをhttps://github.com/stamakro/GCN for Structure and Functionで見つけることができた。接触的情報補足データはオンラインで利用できる。【JST・京大機械翻訳】

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

人工知能

, , , , , , ,

前のページに戻る