پیش بینی مکان تعامل پروتئین-پروتئین از طریق ترکیب ویژگی های محلی و سراسری با شبکه ترکیبی LSTM-TextCNN
سال انتشار: 1400
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 437
فایل این مقاله در 7 صفحه با فرمت PDF و WORD قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
TECCONF05_054
تاریخ نمایه سازی: 11 مهر 1400
چکیده مقاله:
مطالعات اخیر نشان داده است که استفاده از ویژگی های سراسری به همراه ویژگی های بافتاری محلی، تاثیر قابل توجهی در پیش بینی دقیق تر محل اتصال تعاملات پروتئین-پروتئین دارد. لذا، این مقاله به معرفی یک روش می پردازد که ابتدا از تکنیک پنجره کشویی استفاده می کند تا همسایه های آمینو اسید هدف را جهت محاسبه ویژگی های بافتاری محلی انتخاب کند. سپس، ترکیبی از حافظه طولانی کوتاه مدت با شبکه عصبی کانولوشنی متنی را برای استخراج ویژگی های سراسری از روی دنباله کامل پروتئین بکار می گیرد. در نهایت، با اطلاعات حاصل از ویژگی های بافتاری محلی و دنباله سراسری، یک شبکه عصبی عمیق آموزش داده می شود تا عملیات طبقه بندی و پیشگویی محل اتصالات پروتئین-پروتئین را انجام دهد. رویکرد مذکور روی سه مجموعه داده محک اعمال شده و با برخی از روش های شناخته شده مورد مقایسه قرار گرفته است. نتایج نشان می دهند که روش معرفی شده از نظر معیارهای ارزیابی عملکرد بهتری نسبت به سایر روش های دیگر دارد
کلیدواژه ها:
نویسندگان
فرشید مرادی
دانشکده علوم پایه، دانشگاه سیستان و بلوچستان زاهدان، ایران
امین راحتی
دانشکده علوم پایه، دانشگاه سیستان و بلوچستان زاهدان، ایران