- 博客(5)
- 收藏
- 关注
RSS订阅原创 DeepFunc：一种深度学习框架，可根据蛋白质序列和相互作用准确预测蛋白质功能
摘要蛋白质功能的诠释对于从分子水平理解生命具有重要作用。高通量测序产生了大量的原始蛋白质序列，只有大约1%的蛋白质序列被人工标注了功能。函数的实验性注释是昂贵的、耗时的，并且跟不上序列号的快速增长。这促使了预测蛋白质功能的计算方法的发展。提出了一种新的深度学习框架DeepFunc，该框架能够从蛋白质序列和PPI网络中准确预测蛋白质的功能。更准确地说，DeepFunc使用一个长而稀疏的二进制向量来编码从InterPro工具收集的与输入蛋白质序列相关的结构域、家族和基序的信息。该向量经过两层神经网络处理后得到
2020-12-03 15:20:46
4309
4
原创 DeepUbi：预测蛋白质泛素化位点的深度学习框架
文章背景泛素泛素化是指泛素蛋白与赖氨酸(K)的靶蛋白结合，是真核生物中信号转导、细胞分裂和免疫反应等多种细胞功能的重要调节因子。然而，目前大多数预测目标位置的计算工具都是基于小规模数据和浅层机器学习算法。结果随着更多实验验证泛素化位点的出现，需要设计一个预测器来识别大规模蛋白质组数据中赖氨酸泛素化位点。这篇文章提出了一种基于卷积神经网络的深度学习预测器DeepUbi。从序列和物理化学性质上采用了四个不同的特征。在10倍交叉验证中，DeepUbi得到的AUC(接收机操作特征曲线下面积)为0.9，其准确性
2020-12-01 15:40:10
10920
2
原创 DeepUbi: a deep learning framework for prediction of ubiquitination sites in proteins
DeepUbi：蛋白质泛素化位点预测的深层学习框架背景泛素泛素化是指泛素蛋白与赖氨酸(K)的靶蛋白结合，是真核生物中信号转导、细胞分裂和免疫反应等多种细胞功能的重要调节因子。实验和临床研究表明泛素化在多种人类疾病中起着关键作用，蛋白质组学的最新进展引起了人们对泛素化位点识别的兴趣。然而，目前大多数预测目标位置的计算工具都是基于小规模数据和浅层机器学习算法。结果随着更多实验验证泛素化位点的出现，我们需要设计一个预测器来识别大规模蛋白质组数据中赖氨酸泛素化位点。本文提出了一种基于卷积神经网络的深度学习预
2020-11-08 16:03:02
2082
原创 阅读文章《BUILDING DEEP EQUIVARIANT CAPSULE NETWORKS》后的感想
1、介绍《Building Deep Equivariant Capsule Networks》（建立深等量的胶囊网络）是发表在 ICLR 2020 上的一篇 Oral 论文，ICLR 2020会议已于 4 月 26 日在非洲埃塞俄比亚（亚斯亚贝巴）举行。这次会议共有 2594篇投稿，其中 687篇论文被接收（48篇oral论文，107篇spotlight论文和531篇poster论文），接收率为26.5%。首先介绍一下什么是胶囊网络.胶囊网络(CapsNets)是一种可能会对深度学习产生深远影响的热门
2020-10-17 14:26:10
381
2
原创 A systems-biology model of the tumor necrosis factor (TNF) interactions with TNF receptor 1 and 2
A systems-biology model of the tumor necrosis factor (TNF) interactions with TNF receptor 1 and 2 翻译摘要我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客：全新的界面设计 ，将会带来全新的写作体验；在创作中心设置你喜爱的代码高亮样式，Markdown 将代码片显示选择的高亮样式 进行展示；增加了 图片拖拽 功能
2020-10-10 16:45:24
1358
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人