文献

J-GLOBAL ID：202202256060549682   整理番号：22A0464651

prPred-DRLF:深層表現学習特徴を用いた植物R蛋白質予測子【JST・京大機械翻訳】

prPred-DRLF: Plant R protein predictor using deep representation learning features

著者 (6件)： Wang Yansu (School of Electronic and Communication Engineering, Shenzhen Polytechnic, Shenzhen, China) ,  Wang Yansu (Institute of Fundamental and Frontier Sciences, University of Electronic Science and Technology of China, Chengdu, China) ,  Xu Lei (School of Electronic and Communication Engineering, Shenzhen Polytechnic, Shenzhen, China) ,  Zou Quan (Institute of Fundamental and Frontier Sciences, University of Electronic Science and Technology of China, Chengdu, China) ,  Zou Quan (Yangtze Delta Region Institute (Quzhou), University of Electronic Science and Technology of China, Quzhou, Zhejiang, China) ,  Lin Chen (School of Informatics, Xiamen University, Xiamen, China)
資料名： Proteomics  (Proteomics)
巻： 22  号： 1-2  ページ： e2100161  発行年： 2022年 
JST資料番号： W1303A  ISSN： 1615-9853  CODEN： PROTC  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 植物抵抗性(R)蛋白質は病原体侵入の検出において重要な役割を担っている。植物R蛋白質の正確な予測は植物病理学における重要課題である。ほとんどの植物R蛋白質予測因子は従来の特徴抽出法に依存する。最近,深い表現学習法が蛋白質分類問題の解決に成功裏に適用された。これに動機づけられて,著者らは,数値ベクトルとしてアミノ酸を符号化するために,深い表現学習特徴モデルを使用する,prPred-DRLFと呼ばれる新しい計算アプローチを提案した。結果は,双方向長短期メモリ(BiLSTM)埋込みと統一表現(UniRep)埋込みの融合特徴が,光勾配ブースティングマシン(LGBM)分類器を用いた植物R蛋白質同定のための他の特徴より優れた性能を持つことを示した。モデルは,0.997の受信者動作特性(ROC)曲線(AUC)の下で0.956,F1スコア0.933,および面積の精度を達成する独立試験を用いて評価した。一方,最先端のprPredおよびHMMER法と比較して,prPred-DRLFは,精度,F1スコア,AUC,および想起の全体的な改善を示し,2種類の深い表現学習技術に基づく高性能植物R蛋白質予測ツールであり,可能な植物R蛋白質を検査するためのユーザフレンドリーなインタフェイスを提供する。prPred-DRLFは生物学的研究に有用なツールになることが期待される。prPred-DRLFのためのユーザフレンドリーなWebサーバは,http://lab.malab.cn/soft/prPred-DRLFで自由にアクセスできる。Pythonスクリプトはhttps://github.com/Wangys-prog/prPred-DRLFからダウンロードできる。Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 記憶装置 ,  ベクトル ,  特徴抽出 ,  アミノ酸 ,  *タンパク質 ,  病原体 ,  インタフェイス ,  深層
準シソーラス用語： *予測子 ,  Webサーバ ,  ブースティング ,  Python ,  *表現学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 双方向長期記憶 ,  深層表現学習 ,  光勾配ブースティング ,  植物R蛋白質 ,  統一表現

分類 (2件)： 分子構造  (EB03020Y) ,  分子・遺伝情報処理  (JE15040B)

タイトルに関連する用語 (5件)： 深層 ,  表現学習 ,  植物 ,  蛋白質 ,  予測子