![](https://img-blog.csdnimg.cn/20190918140129601.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
PSSP文献笔记
文章平均质量分 68
自用,对蛋白质二级结构预测论文的笔记记录
seowhi
这个作者很懒,什么都没留下…
展开
-
Seq-SetNet补充
在这里,我们将含有K个同源蛋白的MSA表示为K对齐,每个对齐由一个同源蛋白对齐到目标蛋白上。对于每个单独的比对,MSA编码器识别目标蛋白每个残基的突变,并将突变嵌入到64个特征的载体中。由于残基的变异与邻域残基的变异密切相关,因此MSA编码器在嵌入过程中应将感兴趣的残基与其邻域残基一起考虑。为此,我们将编码器设计为一个具有多个卷积层的一维卷积残差网络,从而使其能够将残差与其邻居嵌入在一起。原创 2023-08-14 18:20:22 · 58 阅读 · 0 评论 -
基于改进通道注意力和多尺度卷积模块的蛋白质二级结构预测
为了防止预测模型随着权重的增加而过度拟合,本文根据二次结构的特点,引入了一种改进的交叉熵函数来提高预测模型的性能,使预测模型在one-hot分布和均匀分布的情况下都能得到满意的性能。每个氨基酸转换成大小为1×21(21:20个氨基酸和一个用X表示的未知氨基酸)的OneHot形式,其中只有两个元素,值为0或1,值1的位置对应氨基酸的类别。模型中一维卷积的运算过程如图所示,其中卷积信号为700×M矩阵,卷积信号的滤波器大小为N×M,因为输出大小取决于卷积信号的个数(R),所以输出信号的大小为700×R。原创 2023-05-13 11:14:30 · 897 阅读 · 0 评论 -
Seq-SetNet:直接利用多序列比对预测蛋白质二级结构
这里提出的蛋白质二级结构和扭转角预测的结果突出了直接使用MSA作为序列集的特殊功能。Seq-SetNet利用深度网络可以从复杂的MSA数据中自动提取相关特征的能力,而无需任何手工特征。虽然在概念验证研究中,我们展示了Seq-SetNet在预测残基的二级结构和扭转角中的应用,但该概念和基本思想可以扩展到阐明残基-残基接触和距离。在未来的研究中,这将被纳入Seq-SetNet,这将极大地促进蛋白质结构预测。原创 2023-05-19 12:08:49 · 1414 阅读 · 3 评论