HMD-AMP：蛋白质语言支持的用于注释抗菌肽的分层多标签深林；关于两种XAI文化：已部署AI系统中非技术解释的案例研究；人工智能驱动的移动网络：从认知到决策；适用于图像分类模型研究的认知心理学外推框

最新推荐文章于 2024-07-19 16:50:04 发布

AI论文精粹

最新推荐文章于 2024-07-19 16:50:04 发布

阅读量223

点赞数

文章标签：人工智能

本文链接：https://blog.csdn.net/aiawesome/article/details/125743548

版权

中文标题：HMD-AMP：蛋白质语言支持的用于注释抗菌肽的分层多标签深林
英文标题：HMD-AMP: Protein Language-Powered Hierarchical Multi-label Deep Forest for Annotating Antimicrobial Peptides
时间：2021.11.11
作者：Qinze Yu, Zhihang Dong, Xingyu Fan, Licheng Zong, Yu Li
机构：香港中文大学、中国电子科技大学
链接：https://arxiv.org/pdf/2111.06023.pdf
简介：
确定抗菌肽的靶点是研究先天免疫反应和对抗抗生素耐药性以及更广泛的精确医学和公共卫生的一个基本步骤。已经对统计和计算方法进行了广泛的研究，以确定（i）肽是抗菌肽（AMP）还是非AMP，以及（ii）这些序列对（革兰氏阳性、革兰氏阴性等）有效的靶点。尽管已有关于这个问题的深入学习方法，但大多数方法无法处理小型AMP类（抗虫、抗寄生虫等）。更重要的是，一些AMPS可以有多个目标，以前的方法没有考虑。在本研究中，我们通过收集和清理各种AMP数据库中的氨基酸，建立了一个多样化和全面的多标签蛋白质序列数据库。为了为小类数据集生成有效的表示和特征，我们利用了一个在2.5亿个蛋白质序列上训练的蛋白质语言模型。在此基础上，我们开发了一个端到端的分层多标签深林框架HMD-AMP，对AMP进行全面的注释。在识别了一个AMP之后，它进一步预测了AMP可以从11个可用类中有效杀死哪些目标。大量的实验表明，我们的框架在二元分类任务和多标签分类任务中都优于最新的模型，尤其是在次要类别上。