基于特征图网络和多种生物信息预测关键蛋白质的深度学习框架

刘桂霞; 曹心恬; 赵贺

doi:10.13413/j.cnki.jdxblxb.2023227

吉林大学学报(理学版) ›› 2024, Vol. 62 ›› Issue (03) : 593 -605. DOI: 10.13413/j.cnki.jdxblxb.2023227

基于特征图网络和多种生物信息预测关键蛋白质的深度学习框架

刘桂霞, 曹心恬, 赵贺

作者信息 +

Author information +

文章历史 +

PDF (3923K)

摘要

针对生物实验识别关键蛋白质费时费力，使用计算方法预测关键蛋白质无法有效整合生物信息的问题，提出一个深度学习框架.首先利用网络拓扑结构、基因表达数据和GO(gene ontology)注释数据构建加权蛋白质相互作用网络；然后分别使用特征图网络和双向长短期记忆细胞从亚细胞定位数据、蛋白质复合物数据和基因表达数据中提取特征向量；最后将这些特征向量输入到任务学习层预测关键蛋白质.实验结果表明，相比于现有的计算方法，该方法预测性能更好.