相关实验视频

生物Seq_Ksite:基于适应性注意模块的SSBCE损失策略的蛋白质化多视角特征驱动预测

Lun Zhu¹, Ziqi Zhang², Sen Yang¹

¹School of Computer Science and Artificial Intelligence Aliyun School of Big Data School of Software, Changzhou University, Changzhou 213164, China; The Affiliated Changzhou No.2 People's Hospital of Nanjing Medical University, Changzhou 213164, China.

International journal of biological macromolecules

|April 30, 2025

概括

这项研究介绍了BioSeq_Ksite,这是一种新型模型,可以使用适应性注意力和关节损失功能准确预测蛋白质化. 该工具增强了对翻译后修饰和细胞功能的理解.

科学领域:

生物化学生化学
计算生物学计算生物学
蛋白质组学是指蛋白质组学.

背景情况:

糖化是一种关键的翻译后修改,影响蛋白质结构和细胞过程.
精确预测化部位对于理解其监管作用至关重要.

研究的目的:

开发一个新的序列模型,BioSeq_Ksite,用于增强预测蛋白质化部位.
提高化预测的准确性和可靠性,特别是对于类不平衡的数据集.

主要方法:

开发了一种混合特征表示,即ProtFusion,它结合了氨基酸的物理化学特性和预训练模型.
实施了自主特征重要性识别的适应性注意力机制.
用于双分支序列模型的封闭网络架构.
提出了一个新的关节损失函数,集成灵敏度,特异性和交叉,以提高不平衡数据的性能.

主要成果:

在关键指标 (MCC,Sn,AUC,F1-Score) 中,BioSeq_Ksite与现有模型相比表现优越.
在MCC中取得了7.68%的改进,而不是第二好的模型.
联合损失函数有效地解决了类不平衡数据带来的挑战.

结论:

生物Seq_Ksite提供了一个高效和可靠的计算工具,用于化研究.
该模型在特征表示和损失函数设计方面的进步为翻译后修改预测做出了重大贡献.
为研究人员研究化在细胞功能中的作用提供了宝贵的资源.

关键词:

适应性注意力是一种适应性注意力.后翻译修改后的修改.糖化 (Succinylation) 是一种作用.

相关概念视频

Conserved Binding Sites

Conserved Binding Sites

Many proteins’ biological role depends on their interactions with their ligands, small molecules that bind to specific locations on the protein known as ligand-binding sites. Ligand-binding sites are often conserved among homologous proteins as these sites are critical for protein function.
Binding sites are often located in large pockets, and if their location on a protein’s surface is unknown, it can be predicted using various approaches. The energetic method computationally...