ctP2ISP:使用卷积和数据增强的转换器预测蛋白质-蛋白质相互作用位点

2024-06-24 14:18:48

Title:ctP2ISP: Protein–Protein Interaction Sites Prediction Using Convolution and Transformer with Data Augmentation

期刊：IEEE-ACM Transactions on Computational Biology and Bioinformatics

代码和数据集： GitHub - lennylv/ctP2ISP: The source code and datasets of paper 'ctP2ISP: Protein-protein interaction sites prediction using convolution and transformer with data augmentation'

一、摘要

蛋白质-蛋白质相互作用是许多细胞生物学过程的基础，如细胞组织、信号转导和免疫反应。识别蛋白质-蛋白质相互作用位点对于理解各种生物过程、疾病发展和药物设计的机制至关重要。然而，做出准确预测仍然是一项具有挑战性的任务，因为少量的训练数据和严重的不平衡分类降低了计算方法的性能。我们设计了一个名为ctP2ISP的深度学习方法，以提高蛋白质-蛋白质相互作用位点的预测。ctP2ISP采用卷积和变换来提取信息和增强信息感知，以便可以挖掘语义特征来识别蛋白质-蛋白质相互作用位点。设计了具有不同样本权重的加权损失函数，以抑制模型对多类别预测的偏好。为了有效地重用训练集中的信息，应用了具有改进的面向样本的采样策略的数据扩充的预处理。在六个公共数据集上，对照当前最先进的方法对训练的ctP2ISP进行评估。结果表明，ctP2ISP在平衡指标上优于所有其他竞争方法:F1、MCC和AUPRC。特别是，我们对与病毒相关的开放测试的预测也可能与生物学的见解一致。

二、方法与数据集

所描述的问题：从计算的角度来看，ctP2ISP可以描述为以下问题:给定蛋白质的氨基酸序列s，找出M(s)映射到L的最佳M，L是标记s的每个氨基酸的0/1标志序列，用1表示结合残基，否则用0表示。要将机器学习框架应用于ctP2ISP，应该编译训练集，从已知的蛋白质复合物结构中收集s及其对应的L。通过使用机器学习技术对M进行适当的设计，可以训练最终的M来预测训练集之外的蛋白质的Ls。

数据集：通用训练和测试集

6个公共数据集：Dset_186、Dset_72、Dset_164、Dset_448、Dset_355和Dset_70

测试集：Tset_9982。随机选择Tset_9982的九分之八(8872)和九分之一(1110)分别作为我们的训练集和验证集。

流程图

三、结果

ctP2ISP:使用卷积和数据增强的转换器预测蛋白质-蛋白质相互作用位点相关推荐

数据增强：具有自预测表示的数据高效强化学习
题目:Data-Efficient Reinforcement Learning with Self-Predictive Representations 出处:International Confe ...
是你的数据还不够强！谷歌大脑「数据增强」开源，大神QuocLe出品
你的数据还不够强. 玩深度学习的人都知道,AI算法大部分是数据驱动.数据的质量一定程度上决定了模型的好坏. 这就有了深度学习天生的一个短板:数据不够多.不够好. 而数据增强就是解决这一问题的有效办法. ...
谷歌大脑开源「数据增强」新招数：ImageNet准确率达85%，大神Quoc Le出品
十三发自凹非寺量子位报道 | 公众号 QbitAI 你的数据还不够强. 玩深度学习的人都知道,AI算法大部分是数据驱动.数据的质量一定程度上决定了模型的好坏. 这就有了深度学习天生的一个短板 ...
DL之AlexNet：利用卷积神经网络类AlexNet实现猫狗分类识别(图片数据增强→保存h5模型)
DL之AlexNet:利用卷积神经网络类AlexNet实现猫狗分类识别(图片数据增强→保存h5模型) 目录利用卷积神经网络类AlexNet实现猫狗分类识别(图片数据增强→保存h5模型) 设计思路处 ...
[DeeplearningAI笔记]卷积神经网络2.9-2.10迁移学习与数据增强
4.2深度卷积网络觉得有用的话,欢迎一起讨论相互学习~Follow Me 2.9迁移学习迁移学习的基础知识已经介绍过,本篇博文将介绍提高的部分. 提高迁移学习的速度可以将迁移学习模型冻结的部分看 ...
基于Keras的卷积神经网络用于猫狗分类(进行了数据增强)+卷积层可视化
接着我上一篇博客,https://blog.csdn.net/fanzonghao/article/details/81149153. 在上一篇基础上对数据集进行数据增强.函数如下: "&q ...
使用卷积神经网络（普通CNN和改进型LeNet）以及数据增强和迁移学习技巧识别猫和狗，并制作成分类器软件（基于Keras）
数据集:https://www.microsoft.com/en-us/download/confirmation.aspx?id=54765 猫和狗的图片各自有12500张. 第一步整理数据集,查 ...
数据增强在卷积神经网络中的应用
这一篇博客主要讨论在用卷积神经网络进行图像识别或者目标检测时的数据增强手段,并讨论其作用. 首先整理两篇比较有代表性的论文里的数据增强,再说说我自己工作中使用的数据增强,最后讨论这些数据增强的意义(我 ...
一维卷积神经网络直接读取mat文件并进行数据增强和归一化
众多师弟师妹在使用一维卷积神经网络对凯斯西储,哥伦比亚等大学开源的轴承故障数据集进行故障诊断时,不知道该怎么把Matlab文件中的数据直接导进伸进网络进行训练.我之前也不会,我一直用matlab打开数 ...

最新文章

热门文章