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: