A deep learning method to more accurately recall known lysine acetylation 阅后笔记

A deep learning method to more accurately recall known lysine acetylation sites阅后笔记

前言

作者先点出赖氨酸乙酰化在基本生物过程中起重要作用，再点出确定赖氨酸乙酰化位点是了解赖氨酸乙酰化的关键，那么如何来预测赖氨酸乙酰化位点呢？

在这项工作中，一个名为DeepAcet的新预测器被开发来预测乙酰化位点。采用了6种编码方案，利用多层感知器(MLP)构建模型，预测具有多种不同特征的蛋白质中的赖氨酸乙酰化位点。作者还整合了所有的特征，并实现了特征选择方法，以选择一个包含2199个特征的特征集。结果，在10倍交叉验证中，最佳预测的准确率为84.95%，特异性为83.45%，敏感性为86.44%，曲线下面积为0.8540,MCC为0.6993。对于独立的测试集，预测的准确率为84.87%，特异性为83.46%，敏感性为86.28%，曲线下面积为0.8407,MCC为0.6977。DeepAcet的预测性能优于现有的其他方法。

注释 1：
MLP：

链接: link.
十倍交叉验证：