多聚脯氨酸二型螺旋是一種特殊且稀少的蛋白質(zhì)二級結(jié)構(gòu)。為了節(jié)省實驗方法測定該結(jié)構(gòu)的時間和成本,本文設(shè)計一種基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法用于預(yù)測多聚脯氨酸二型螺旋。首先,對蛋白質(zhì)序列信息進行特征編碼生成特征矩陣,特征編碼方式包括氨基酸正交碼、氨基酸物理化學(xué)性質(zhì)和位置特異性打分矩陣。其次,將歸一化處理后的特征矩陣輸入到卷積神經(jīng)網(wǎng)絡(luò)中,自動提取蛋白質(zhì)序列的局部深層特征并輸出多聚脯氨酸二型螺旋的預(yù)測結(jié)果。實驗結(jié)果表明,該算法的性能相較于支持向量機之類的6種傳統(tǒng)機器學(xué)習(xí)算法有明顯的提升。 

【文章來源】：計算機與現(xiàn)代化. 2020,(02)

【文章頁數(shù)】：5 頁

【部分圖文】：

正樣本

負樣本

卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)主要由輸入層、卷積層、平坦層、全連接層和輸出層構(gòu)成,如圖3所示。輸入層(Input)輸入的是歸一化處理之后單個樣本的特征矩陣,若使用正交矩陣、氨基酸物理化學(xué)性質(zhì)和位置特異性計分矩陣3類特征編碼,滑動窗口大小為13,則輸入到模型中單個樣本的特征矩陣的尺寸為13×48。

【參考文獻】：
期刊論文
[1]深度卷積神經(jīng)網(wǎng)絡(luò)的判別性人臉識別算法[J]. 任克強,胡慧.  華中科技大學(xué)學(xué)報(自然科學(xué)版). 2019(10)
[2]字符級卷積神經(jīng)網(wǎng)絡(luò)短文本分類算法[J]. 劉敬學(xué),孟凡榮,周勇,劉兵.  計算機工程與應(yīng)用. 2019(05)
[3]基于深度卷積神經(jīng)網(wǎng)絡(luò)的輸電線路可見光圖像目標檢測[J]. 周筑博,高佼,張巍,王曉婧,張靜.  液晶與顯示. 2018(04)
[4]基于改進編碼的多聚脯氨酸二型結(jié)構(gòu)預(yù)測[J]. 陸克中,須文波.  池州師專學(xué)報. 2006(05)
[5]遺傳神經(jīng)網(wǎng)絡(luò)在PPⅡ預(yù)測中的應(yīng)用[J]. 陸克中,胡永鋼,須文波.  江南大學(xué)學(xué)報. 2005(03)
[6]支持向量機在PPⅡ二級結(jié)構(gòu)預(yù)測中的應(yīng)用[J]. 陸克中,須文波.  生物信息學(xué). 2005(01)



本文編號：3341158