查询结果:   桂元苗,王儒敬,王雪,魏圆圆.基于深度神经网络和局部描述符的大规模蛋白质互作预测方法[J].计算机应用与软件,2019,36(4):273 - 280.
中文标题
基于深度神经网络和局部描述符的大规模蛋白质互作预测方法
发表栏目
算法
摘要点击数
194
英文标题
A LARGE-SCALE PREDICTION OF PROTEIN-PROTEIN INTERACTIONS BASED ON DEEP NEURAL NETWORK COMBINED WITH LOCAL DESCRIPTOR
作 者
桂元苗 王儒敬 王雪 魏圆圆 Gui Yuanmiao Wang Rujing Wang Xue Wei Yuanyuan
作者单位
中国科学院合肥物质科学研究院智能机械研究所 安徽 合肥 230031 中国科学技术大学信息技术学院 安徽 合肥 230026 中国科学院合肥物质科学研究院技术生物与农业工程研究所 安徽 合肥 230031   
英文单位
Institute of Intelligent Machine, Hefei Institutes of Physical Science, Chinese Academy of Sciences, Hefei 230031, Anhui, China Institute of Information Technology, University of Science and Technology of China, Hefei 230026, Anhui, China Institute of Technical Biology and Agriculture Engineering, Hefei Institutes of Physical Science, Chinese Academy of Sciences, Hefei 230031, Anhui, China   
关键词
深度神经网络 局部描述符 蛋白质互作
Keywords
Deep neural network Local descriptor Protein-protein interaction(PPI)
基金项目
作者资料
桂元苗,助理研究员,主研领域:机器学习,模式识别。王儒敬,研究员。王雪,助理研究员。魏圆圆,副研究员。 。
文章摘要
蛋白质相互作用PPI(Protein-Protein Interaction)是生物体中众多生命活动过程的重要组成部分,蛋白质互作预测是研究蛋白质互作的重要途径。为了提高蛋白质互作预测性能,构建一个用于预测蛋白质互作的深度神经网络模型DPPI。采用局部描述符将氨基酸序列编码成具鉴别性的特定维数向量;使用训练集训练DPPI模型,并使用测试集对DPPI模型进行测试和评价;根据测试和评价的结果调整各参数,优化DPPI模型;使用优化后的DPPI模型,来对蛋白质互作进行预测。结果表明,DPPI模型编码简单、代码简洁,实验获得的较高的准确率,可以作为大规模蛋白质互作预测的有益补充。
Abstract
Protein-protein interaction(PPI) plays an important role in many biological processes. PPI prediction is an important way to study protein interaction. In order to improve the prediction performance of protein interaction, a DPPI model was constructed to protein-protein interactions. The local descriptor was used to encode the amino acid sequence into a discriminative specific dimension vector. Then, the training set was used to train DPPI model, and the test set was used for testing and evaluation. We adjusted the parameters according to the results of the test and evaluation to optimize the DPPI model. The optimized DPPI model was used to predict protein interactions. The results find that the DPPI model has simple encoding, simple code, and higher accuracy. It can be used as a useful supplement for large-scale protein interaction prediction.
下载PDF全文   

根据该篇关键词查找到本刊已发表相关论文供参考
序号
文  章  标  题
作者1
发表栏目
页码
摘要
1
基于深度学习的IPTV视频用户行为分析方法研究
刘超
人工智能与识别
2019
6
167
[摘要]
2
深度迁移学习辅助的阿尔兹海默氏症早期诊断
金祝新
图像处理与应用
2019
5
171
[摘要]
3
叠加去噪自动编码器结合深度神经网络的心电图信号分类方法
颜菲
人工智能与识别
2019
4
178
[摘要]
4
基于深度神经网络和局部描述符的大规模蛋白质互作预测方法
桂元苗
算法
2019
4
273
[摘要]
5
改进的基于卷积神经网络的图像超分辨率方法
王旺
图像处理与应用
2019
3
214
[摘要]
6
基于改进的DenseNet深度网络火灾图像识别算法
杨其睿
图像处理与应用
2019
2
258
[摘要]
7
基于双向LSTM的电网调度日志分类
徐家慧
应用技术与研究
2019
1
142
[摘要]
8
基于深度学习的锂电池褶皱检测方法的研究
王刚
人工智能与识别
2019
1
216
[摘要]
9
基于深度神经网络的复杂光照下的蓝藻图片语义分割
罗艾娜
图像处理与应用
2018
4
254
[摘要]
10
语音识别中神经网络声学模型的说话人自适应研究
金超
人工智能与识别
2018
2
200
[摘要]
11
改进的卷积神经网络图片分类识别方法
闫河
人工智能与识别
2018
12
193
[摘要]
12
基于改进的宽深度模型的推荐方法研究
王艺平
数据工程
2018
11
49
[摘要]
13
基于时间序列嵌入的电力负荷预测方法
田英杰
应用技术与研究
2018
11
55
[摘要]
14
基于LSTM深度神经网络的精细化气温预报初探
倪铮
人工智能与识别
2018
11
233
[摘要]
15
基于SLAM算法和深度神经网络的语义地图构建研究
白云汉
人工智能与识别
2018
1
183
[摘要]
16
运用双向LSTM拟合RNA二级结构打分函数
王帅
算法
2017
9
232
[摘要]
17
结合主题特征和互作用网络拓扑特性的关键蛋白质识别
崔鑫
算法
2016
8
283
[摘要]
18
一种基于深度神经网络的话者确认方法
吴明辉
人工智能与识别
2016
6
159
[摘要]
19
一种基于GMM-DNN的说话人确认方法
李敬阳
人工智能与识别
2016
12
131
[摘要]
20
一种改进的深度神经网络在小图像分类中的应用研究
吕刚
人工智能与识别
2014
4
182
[摘要]