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。
蛋白質-蛋白質相互作用の予測のための計算方法は,研究者の重要なツールであるが,蛋白質に一般化する挑戦によって悩まされている。蛋白質-蛋白質予測のモデリングに用いるデータセットは,特に情報漏洩とサンプリングバイアスに悩まされる。結果:本研究では,Deep Learningを用いたProtein-Protein相互作用の正則化自動予測の方法であるRAPPPIDを導入した。RAPPPIDは,一般化重みを学習するために訓練時間中に多重正則化法を採用するツインAWD-LSTMネットワークである。訓練中に見られない蛋白質から成る厳密な相互作用データセットの試験,RAPPPIDは最先端の方法より優れている。さらなる実験は,RAPPPIDの性能が試験セットにおける特定の蛋白質に関係なく保持され,その性能が生物学的に支持されたエッジに対してより高いことを示した。本研究は,適切な正則化が,蛋白質-蛋白質相互作用予測のためのモデル作成の課題を克服する重要な成分であり,それは,蛋白質に一般化しないことを示した。さらに,この研究の一部として,著者らは,将来における他者によるPPI再構成法の評価を容易にするために,種々の厳しさのいくつかのデータ分割に対応するデータセットを提供した。アベイラビリティと実装:コードとデータセットはhttps://github.com/jszym/rapppidで自由に利用可能である。接触:amin.emad@mcgill.ca補足情報:オンラインのみの補足データは,ジャーナルのウェブサイトで利用可能である。【JST・京大機械翻訳】