融合注意力机制和多尺度信息的蛋白质结合位点预测

摘要

为了有效解决3D U-Net在蛋白质结合位点预测中存在的噪声干扰和多尺度信息缺乏问题，提出了一种融合注意力机制和多尺度信息的蛋白质结合位点预测模型AMPocket。引入压缩注意力机制，使得模型能够聚焦于关键通道的蛋白质特征，减少无关通道特征对结合位点预测的影响，从而提高分割的精度；在编码器中引入多尺度信息，使模型能够从不同层次捕捉特征，进而获得更加全面和丰富的空间信息。实验结果表明：AMPocket在4个广泛使用的测试集上均取得了优异的预测结果，特别是在SC6K数据集上的DCC成功率和DVO优于所有对比方法，分别为93.04%和55.01%,并且AMPocket具有较少的参数量，表明模型具有更好的预测性能。

关键词

蛋白质结合位点预测 / 3D U-Net / 压缩注意力机制 / 多尺度信息 / 噪声干扰