换一批
换一批基于层级和全局特征结合的蛋白质序列EC编号预测
EC number prediction of protein sequences based on combination of hierarchical and global features
摘要：
酶功能的识别对理解生命活动的机制、推进生命科学的发展有重要作用.然而现有的酶EC编号预测方法,并未充分利用蛋白质序列信息,在识别精度上仍有所不足.针对上述问题,本研究提出一种基于层级特征和全局特征的 EC 编号预测网络(EC number prediction network using hierarchical features and global features,ECPN-HFGF).该方法首先通过残差网络提取蛋白质序列通用特征,并通过层级特征提取模块和全局特征提取模块进一步提取蛋白质序列的层级特征和全局特征,之后结合两种特征信息的预测结果,采用多任务学习框架,实现酶EC编号的精确预测.计算实验结果表明,ECPN-HFGF方法在蛋白质序列EC编号预测任务上性能最佳,宏观F1值和微观F1值分别达到95.5％和99.0％.ECPN-HFGF方法能有效结合蛋白质序列的层级特征和全局特征,快速准确预测蛋白质序列EC编号,比当前常用方法预测精确度更高,能够为酶学研究和酶工程应用的发展提供一种高效的思路和方法.
更多
作者：
作者单位：
北京林业大学工学院,北京 100083;林业装备与自动化国家林业局重点实验室,北京 100083;城乡生态环境北京实验室,北京 100083;北京林业大学智慧林业研究中心,北京 100083
[1]
期刊：
《遗传》2024年46卷8期 661-670页
MEDLINEISTICPKUCSCDBP
关键词：
酶功能预测蛋白质序列深度学习层级多标签分类全局特征enzyme function predictionprotein sequencedeep learninghierarchical multi-label classificationglobal feature
栏目名称：
技术与方法
DOI：
10.16288/j.yczz.24-102
发布时间：
2024-09-02
- 浏览：0
- 被引：0
- 下载：0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
