广西师范大学学报(自然科学版)

2022, v.40(03) 161-171

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于多头注意力机制的磷酸化位点预测模型
Phosphorylation Site Prediction Model Based on Multi-head Attention Mechanism

吴军;欧阳艾嘉;张琳;

摘要(Abstract):

计算预测蛋白质磷酸化位点的方法常用于位点识别的初筛阶段。为了提升位点初筛的准确率,本文提出一个深度学习模型MAPhos。该模型首先运用氨基酸向量与位置向量的和表示每一个氨基酸残基;随后使用双向GRU循环神经网络捕获各氨基酸残基的特征;接着引入多头注意力机制计算各注意力头的子上下文向量,并将它们连接起来构成肽段的上下文向量;最后通过一个全连接神经网络进行非线性变换和结果预测。真实数据集上的实验结果表明,MAPhos模型预测磷酸化位点在AUC值、灵敏度、正确率、精度和F_1分数统计度量上胜过基于特征提取的模型和基于卷积神经网络的模型,同时与基于卷积神经网络的模型相比具有更好的可解释性,这证明了MAPhos模型更加适用于磷酸化位点识别任务的初筛阶段。

关键词(KeyWords): 深度学习;生物信息学;磷酸化位点识别;多头注意力机制;残基表示

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金(62066049);; 贵州省教育厅青年科技人才成长项目(黔教合KY字[2017]250);; 贵州省科技厅联合基金(黔科合LH字[2017]7069)

作者(Authors): 吴军;欧阳艾嘉;张琳;

DOI: 10.16088/j.issn.1001-6600.2021071301

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享