發(fā)布時(shí)間：2021-08-14 05:27

　　蛋白質(zhì)亞細(xì)胞位置預(yù)測(cè)研究是目前蛋白質(zhì)組學(xué)和生物信息學(xué)研究的重點(diǎn)問題之一。蛋白質(zhì)的亞細(xì)胞定位決定了它的生物學(xué)功能,故研究亞細(xì)胞定位對(duì)了解蛋白質(zhì)功能非常重要。由于蛋白質(zhì)結(jié)構(gòu)的序列性,考慮使用序列模型來(lái)進(jìn)行亞細(xì)胞定位研究。嘗試使用卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural network,CNN）、長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)（long short-term memory,LSTM）兩種模型挖掘氨基酸序列所包含的信息,從而進(jìn)行亞細(xì)胞定位的預(yù)測(cè)。隨后構(gòu)建了基于卷積的長(zhǎng)短期記憶網(wǎng)絡(luò)（Convolutional-LSTM）的集成模型進(jìn)行亞細(xì)胞定位。首先通過(guò)卷積神經(jīng)網(wǎng)絡(luò)對(duì)蛋白質(zhì)數(shù)據(jù)進(jìn)行特征抽取,隨后進(jìn)行特征組合,并將其送入長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)進(jìn)行特征表征學(xué)習(xí),得到亞細(xì)胞定位結(jié)果。使用該模型能達(dá)到0.816 5的分類準(zhǔn)確率,比傳統(tǒng)方法有明顯提升。 

【文章來(lái)源】：計(jì)算機(jī)科學(xué)與探索. 2019,13(06)北大核心CSCD

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

Fig.3ModelofConvLSTM圖3ConvLSTM模型與前人工作的不同在于卷積的方式和特征組合的方式，為了能使卷積更有意義


本文編號(hào)：3341858