蛋白质模型质量评估的深度迁移学习

Apr, 2018

蛋白质模型质量评估的深度迁移学习

Deep transfer learning in the assessment of the quality of protein models

David Menéndez Hurtado, Karolis Uziela, Arne Elofsson

TL;DR该研究提出了一种基于深度神经网络的蛋白质模型质量预测方法，利用少量输入特征和粗略模型描述以及数据库中已知蛋白质结构的迁移学习，达到了最先进的性能表现。

Abstract

MOTIVATION: Proteins fold into complex structures that are crucial for their biological functions. Experimental determination of protein structures is costly and therefore limited to a small fraction of all known proteins. Hence, different computational →

protein structure prediction model quality

发现论文，激发创造

卷积深度网络用于蛋白质折叠质量评估

本研究基于深度学习技术开发神经网络进行蛋白结构评分预测，仅使用三维原子密度数据，无需预定义的结构特征，并在 CASP7 到 CASP10 数据集上进行训练，测试结果表明该网络在多种蛋白质结构上具有良好的性能表现。

Jan, 2018

使用深度学习改进模型质量评估的 ProQ3D

使用深度神经网络替换支持向量机可以显著地提高蛋白质质量评估的准确性。

Oct, 2016

深度学习神经网络在蛋白质计算设计中的应用

本文探究将深度学习神经网络应用于蛋白质设计，以预测蛋白质中每个残基上 20 种天然氨基酸的几率，并且以网络输出为残基类型约束，顺利提高 Rosetta 工具设计三种天然蛋白质的平均序列一致性，同时相比早期方法，本研究以多层神经网络构建的方法在序列一致性方面提高了约 3% 的准确率，这些结果将推动计算蛋白质设计方法的进一步发展。

Jan, 2018

蛋白结构建模与设计中的深度学习

该综述总结了近年来将深度学习技术应用于蛋白质结构建模及设计问题的最新进展，讨论了已经出现和需解决的挑战，针对该领域提出了许多有益的见解。

Jul, 2020

多样化神经网络结构高质量预测蛋白质 Q8 二级结构

利用机器学习方法，通过构建神经网络模型和使用最新的建模方法对蛋白质二级结构的预测结果进行了研究和探讨，实验结果表明，模型精度达到 70.7％。通过完整地开放训练数据及代码，为领域内可重复性研究树立了良好标准。

Nov, 2018

使用多尺度深度卷积神经网络和下一步条件进行蛋白质二级结构预测

本研究通过深度学习技术，使卷积神经网络适应蛋白二级结构预测问题，达到了 70％的准确度，并尝试使用序列到序列学习和集合策略进一步提高精确度。

Nov, 2016

用层级旋转等变神经网络选择蛋白质复合物的结构模型

本文介绍了一种基于机器学习的方法，利用 3D 原子坐标来直接标识蛋白质复合物的准确模型，提高准确模型的识别，也可以用于绝对预测准确结构模型的方法。