基于动态掩码特征选择的蛋白质解链温度预测

作     者：李翔 张步忠 姚昭伦 徐亚军 

作者机构：安庆师范大学计算机与信息学院 苏州大学江苏省计算机信息处理技术重点实验室 

出 版 物：《计算机应用与软件》 (Computer Applications and Software)

年 卷 期：2025年

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 0711[理学-系统科学] 12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 07[理学] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：安徽省高校优秀人才支持计划项目(gxyq2020029) 苏州大学江苏省计算机信息处理技术重点实验室开放课题项目(KJS1934) 

主　　题：解链温度 局部特征 动态掩码特征选择 稀疏化特征 深度学习 

摘      要：蛋白质解链温度对于深入了解蛋白质的结构与功能、优化蛋白质设计具有重要意义。传统生物湿实验方法测定解链温度成本高，过程繁琐。现有计算方法预测解链温度多数使用蛋白质级别的全局特征，忽略了氨基酸级别的局部特征，且预测精度有限。针对上述问题，提出一种新型深度学习模型ProteoTempNet，旨在提升蛋白质解链温度的预测精度。该模型利用蛋白质语言模型从氨基酸级别提取序列表征，设计一种结合自注意力机制的动态掩码特征选择算法，稀疏化特征表示；用卷积神经网络网络、双向长短期记忆网络以及注意力网络构建ProteoTempNet深度学习模型，应用于蛋白质解链温度预测的回归和分类任务。实验结果表明，ProteoTempNet具有良好的泛化性能，在解链温度预测中相较于现有最优方法，PCC提升1.1%，RMSE降低5.4%，MAE降低3.9%，为该领域提供了一个更为有效的解决方案。