文献

J-GLOBAL ID：202202250077994193   整理番号：22A0736038

Malsite-Deep:NearMiss-2戦略に基づく深層学習と多情報融合による蛋白質マロニル化部位の予測【JST・京大機械翻訳】

Malsite-Deep: Prediction of protein malonylation sites through deep learning and multi-information fusion based on NearMiss-2 strategy

著者 (12件)： Wang Minghui (College of Mathematics and Physics, Qingdao University of Science and Technology, Qingdao 266061, China) ,  Wang Minghui (Artificial Intelligence and Biomedical Big Data Research Center, Qingdao University of Science and Technology, Qingdao 266061, China) ,  Song Lili (College of Mathematics and Physics, Qingdao University of Science and Technology, Qingdao 266061, China) ,  Song Lili (Artificial Intelligence and Biomedical Big Data Research Center, Qingdao University of Science and Technology, Qingdao 266061, China) ,  Zhang Yaqun (College of Mathematics and Physics, Qingdao University of Science and Technology, Qingdao 266061, China) ,  Zhang Yaqun (Artificial Intelligence and Biomedical Big Data Research Center, Qingdao University of Science and Technology, Qingdao 266061, China) ,  Gao Hongli (College of Mathematics and Physics, Qingdao University of Science and Technology, Qingdao 266061, China) ,  Gao Hongli (Artificial Intelligence and Biomedical Big Data Research Center, Qingdao University of Science and Technology, Qingdao 266061, China) ,  Yan Lu (College of Mathematics and Physics, Qingdao University of Science and Technology, Qingdao 266061, China) ,  Yan Lu (Artificial Intelligence and Biomedical Big Data Research Center, Qingdao University of Science and Technology, Qingdao 266061, China) ,  Yu Bin (School of Data Science, Qingdao University of Science and Technology, Qingdao 266061, China) ,  Yu Bin (College of Information Science and Technology, Qingdao University of Science and Technology, Qingdao 266061, China)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 240  ページ： Null  発行年： 2022年 
JST資料番号： T0426A  ISSN： 0950-7051  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： マロニル化は新しい蛋白質翻訳後修飾であり,様々な細胞生理学的過程を調節する。しかし,従来の実験を通してマロニル化部位を同定するのは,費用がかかり時間がかかる。したがって,計算法によるマロニル化サイトの予測は,実験設計において重要な役割を果たす。本論文では,マロニル化サイト(Malsite-Deep)の新しい予測モデルを提案した。最初に,7つの特徴抽出法を用いて,蛋白質配列の特徴情報を抽出した。次に,アンダーサンプリング近傍Miss-2法を不均衡データを処理するために適用して,ゲート化リカレントユニット(GRU)の更新ゲートとリセットゲートを用いて最適特徴部分集合を選択した。最後に,GRU層からのデータを深層ニューラルネットワーク(DNN)に入力し,マロニル化サイトを予測し,モデル性能を10倍交差検証と独立試験セットによって評価した。10倍交差検証は,訓練データセットのAUC値が0.99に達することを示した。4つの独立した試験データセットに関するAUC値は,すべて0.95以上に達した。結果は,ここに示したMalsite-Deepが蛋白質マロニル化部位の同定を促進することを示唆する。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 実験計画法 ,  データ ,  特徴抽出 ,  アミノ酸配列 ,  *タンパク質 ,  計算 ,  モデル ,  *機械学習 ,  予測モデル ,  翻訳後修飾
準シソーラス用語： 訓練データ ,  アンダーサンプリング ,  試験データ ,  不均衡データ ,  *深層学習 ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： マロニル化 ,  マルチ情報融合 ,  NearMiss-2 ,  ゲート付きリカレントユニット ,  深層ニューラルネットワーク

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 戦略 ,  深層学習 ,  情報融合 ,  蛋白質 ,  予測