检索结果-内蒙古大学图书馆

小型微型计算机系统 2022年第7期43卷 1419-1425页

作者：聂良鹏权丽君吴庭芳孙晓雨何如吉吕强苏州大学计算机科学与技术学院江苏苏州215006 江苏省计算机信息处理技术重点实验室江苏苏州215006

蛋白质模型质量评估是指对计算手段预测出的蛋白质结构进行评分,以选择尽可能接近天然结构的蛋白质模型,这对在蛋白质结构预测中挑选最优的蛋白质模型和在生物医学研究中恰当使用它们起到至关重要的作用.随着3D蛋白质数据的不断增长,基... 详细信息

蛋白质模型质量评估是指对计算手段预测出的蛋白质结构进行评分,以选择尽可能接近天然结构的蛋白质模型,这对在蛋白质结构预测中挑选最优的蛋白质模型和在生物医学研究中恰当使用它们起到至关重要的作用.随着3D蛋白质数据的不断增长,基于深度学习的蛋白质模型质量评估方法得到了快速发展,但该领域只探索了深度学习方向较浅层的应用.本文为了探索更精确的质量评估方法,提出了一个基于多尺度卷积(MCNN)和双向门控循环神经网络(BiGRU)的深度模型,预测蛋白质模型的GDT_TS(Global Distance Test_Total Score)分数,并将这一方法命名为BMBQA(Quality Assessment Base on MCNN-BiGRU).其中,多尺度卷积神经网络用来提取蛋白质模型中浅层的细节信息以及深层的抽象信息,双向门控循环神经网络用来提取每个残基的长程相互作用信息,通过数据增强来提高深度模型在目标蛋白质中挑选最优蛋白质模型的性能.本文利用CASP13中的数据集与现有的先进方法进行比较,实验结果表明本文方法在4个经典的评价指标中均具有很强的竞争力.

关键词：蛋白质模型质量评估多尺度卷积神经网络双向门控循环神经网络 GDT_TS 数据增强 CASP13

来源：评论

学校读者我要写书评

暂无评论

基于图神经网络的蛋白质模型质量评估研究

基于图神经网络的蛋白质模型质量评估研究

引用

作者：董诗琪云南大学

学位级别：硕士

蛋白质是生命活动最主要的载体,了解蛋白质的结构对于认识其功能有着至关重要的意义。近年来,用深度学习的方法从蛋白质的序列进行结构预测的工作已经有了巨大进展,作为蛋白质结构预测中必不可少的一步,蛋白质模型质量评估工作不仅可以... 详细信息

蛋白质是生命活动最主要的载体,了解蛋白质的结构对于认识其功能有着至关重要的意义。近年来,用深度学习的方法从蛋白质的序列进行结构预测的工作已经有了巨大进展,作为蛋白质结构预测中必不可少的一步,蛋白质模型质量评估工作不仅可以帮助从模型池中挑选出最优的模型,也可以为模型进行局部优化提供参考,是蛋白质结构预测的最后一步。在蛋白质模型质量评估的研究中,使用深度学习模型进行蛋白质结构的特征表示学习是非常有效的方法。在对待评估的蛋白质模型进行建模时,使用序列表示的方法不能表达非相邻残基之间的空间近邻性;而将结构投影到3D网格上并使用3D卷积算子来学习体素化的特征表示的方法缺乏旋转不变性,而且忽略了序列特征。因此,本文研究使用图结构来对蛋白质的序列和三维结构进行显式建模,并使用图神经网络学习特征表示,概括如下:1、构建了蛋白质图,其中节点表示氨基酸,边表示构成蛋白质主链的共价键,连接一级结构上连续的残基;另外为了描述非相邻残基之间的空间关系,为化学上合理距离之内的两个残基形成边,这样的边表示了两残基之间的“接触”(contact)。把蛋白质建模成由残基、键和接触组成的图,并为图加入二级结构信息和共进化信息。2、搭建了由Graph Transformer特征提取器和消息传递层组成的神经网络,并改进Graph Transformer,将边的特征加入注意力分数的计算中,学习蛋白质局部和全局的特征表示;在消息传递层中,将全局特征表示加入训练,而不是通过池化局部特征来得到,从而改进全局特征的学习。3、针对残基水平的蛋白质图需要计算过多初始属性的问题,构建了以原子作为节点的蛋白质,只添加朴素的初始特征。引入池化层将原子水平的特征表示池化成残基水平的特征表示,并生成新的粗粒度图结构,再输入到本文的模型中进行训练。本文的实验结果表明,基于用图表示的蛋白质模型,构建集成了Graph Transformer和图卷积的图神经网络,能够有效地提取局部特征,量化局部邻域内相邻节点之间的相关性以及它们对局部环境的不同程度的贡献,并有效地把局部信息传播到更大的邻域。

关键词：蛋白质模型质量评估图表示图神经网络 Graph Transformer 消息传播

来源：评论

学校读者我要写书评

暂无评论

蛋白质结构模型质量评估方法综述

引用

物理学报 2023年第24期72卷 14-29页

作者：刘栋崔新月王浩东张贵军浙江工业大学信息工程学院杭州310014

蛋白质模型质量评估方法是蛋白质结构预测的关键技术,自CASP7以来一直是结构生物信息学领域的研究热点.模型质量评估方法不仅可以指导蛋白质结构模型的精修,还能够从多个候选构象中筛选出最佳模型,具有重要的生物学研究和实际应用价值.... 详细信息

蛋白质模型质量评估方法是蛋白质结构预测的关键技术,自CASP7以来一直是结构生物信息学领域的研究热点.模型质量评估方法不仅可以指导蛋白质结构模型的精修,还能够从多个候选构象中筛选出最佳模型,具有重要的生物学研究和实际应用价值.本文首先回顾了国际蛋白质结构预测关键评估竞赛(CASP)、全球持续蛋白质结构预测竞赛(CAMEO)以及单体蛋白和复合物的模型评估指标,主要梳理了近5年来包括共识方法(多模型方法)、准单模型方法和单模型方法在内的模型质量评估方法的发展历程,并介绍CASP15中的复合物模型评估方法;鉴于深度学习在蛋白质预测领域所取得的巨大进展,重点分析了深度学习在单模型方法数据集生成、蛋白质特征提取以及网络架构构建方面的深入应用,并进一步介绍了本课题组近年来在模型质量评估方面开展的工作;最后,总结分析了目前蛋白质模型质量评估技术的局限性及所面临的挑战,并对未来发展趋势进行了展望.

关键词：蛋白质模型质量评估深度学习单模型方法复合物模型评估

来源：评论

学校读者我要写书评

暂无评论

基于动态图卷积与迁移学习的蛋白质质量评估

引用

软件导刊 2024年第1期23卷 69-74页

作者：冯子健黄伟鸿姜博文浙江理工大学信息科学与工程学院浙江杭州310018

蛋白质质量评估是指对计算手段预测的蛋白质模型进行评分,从而挑选更接近天然结构的优秀模型。图结构可直观表示蛋白质模型,因此近年来图卷积神经网络(GCN)在质量评估领域得到了广泛应用,然而图节点的固定邻接关系限制了GCN对节点特征... 详细信息

蛋白质质量评估是指对计算手段预测的蛋白质模型进行评分,从而挑选更接近天然结构的优秀模型。图结构可直观表示蛋白质模型,因此近年来图卷积神经网络(GCN)在质量评估领域得到了广泛应用,然而图节点的固定邻接关系限制了GCN对节点特征深入挖掘的能力。为此,提出一种动态图卷积的质量评估方法 DGCQA,预测蛋白质模型的全局质量分数。该方法根据节点的特征距离动态获取邻域,结合多尺度卷积模块提取残基对特征,以增强网络的表达能力。此外,基于迁移学习思想,引入蛋白质预训练模型ESM-1b编码特征,使DGCQA在多个指标上的表现有所提升。实验表明,所提方法相较于CASP13数据集的12种质量评估方法,具有很强的竞争力。

关键词：蛋白质模型质量评估动态图卷积迁移学习 ESM-1b

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：