蛋白質に関するマルチスケール表現学習【JST・京大機械翻訳】

Somnath Vignesh Ram; Bunne Charlotte; Krause Andreas

プレプリント

J-GLOBAL ID：202202216560037705 整理番号：22P0325834

蛋白質に関するマルチスケール表現学習【JST・京大機械翻訳】

Multi-Scale Representation Learning on Proteins

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 (3件)： , ,
資料名：
発行年： 2022年04月04日プレプリントサーバーでの情報更新日： 2022年04月04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)

蛋白質は,細胞機能および疾患における鍵となる役割を仲介する基本的な生物学的実体である。蛋白質-HoloProt-連結表面のマルチスケールグラフ構築を構造と配列に導入した。表面は,蛋白質のより粗い詳細を捕捉し,一方,一次成分および構造としてのシーケンスは,二次および三次成分,すなわち,より微細な詳細を捕捉した。このグラフ符号器は,そのレベルでグラフを用いてレベル(s)から符号化を統合するために各レベルを許容することによりマルチスケール表現を学習する。異なるタスク,(i)リガンド結合親和性(回帰)および(ii)蛋白質機能予測(分類)に関する学習した表現を試験した。回帰タスクに関して,以前の方法とは対照的に,著者らのモデルは,異なるデータセット分割を通して一貫して,確実に実行して,ほとんどの分割に関してすべてのベースラインを凌駕した。分類タスクにおいて,それは10x少ないパラメータを用いて,トップパーフォーマモデルに近い性能を達成した。この構築のメモリ効率を改善するために,多重蛋白質表面多様体を分子スーパーピクセルにセグメント化し,これらのスーパーピクセルで表面を置換する。【JST・京大機械翻訳】

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

人工知能 , 蛋白質・ペプチド一般 , 分子・遺伝情報処理

, ,

前のページに戻る