DRBP-EDP:使用ESM-2和双路神经网络对DNA结合蛋白和RNA结合蛋白进行分类
Qiang Mu1,2, Guoping Yu2,3, Guomin Zhou1,2,4
1Agricultural Information Institute, Chinese Academy of Agricultural Sciences, Beijing 100081, China.
NAR genomics and bioinformatics
|May 20, 2025
概括
本研究介绍了DRBP-EDP,这是一种用于有效分类核酸结合蛋白 (NABPs) 的深度学习模型. 它准确地区分了DNA结合蛋白 (DBPs),RNA结合蛋白 (RBPs) 和非NABPs.
科学领域:
- 分子生物学分子生物学
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
背景情况:
- 精确调节基因表达涉及DNA结合蛋白 (DBPs) 和RNA结合蛋白 (RBPs).
- 使用传统方法识别这些核酸结合蛋白 (NABPs) 是具有挑战性的,耗时的,难以扩展的.
- 深度学习为蛋白质分类提供了更有效的方法.
研究的目的:
- 开发一个高效的深度学习模型来分类NABP,DBP和RBP.
- 为蛋白质分类任务创建高质量的数据集.
- 为该领域的研究人员提供可访问的工具.
主要方法:
- 一种分阶段分类方法,将ESM-2与双路神经网络集成,称为DRBP-EDP.
- 开发一种精细的数据集构建方法.
- 实施DRBP-EDP模型的可执行和基于Web的版本.
主要成果:
- 该DRBP-EDP模型在NABP与非NABP的分类中实现了90.03%的准确性.
- 该模型在分类DBP和RBP的第二阶段显示了89.56%的准确性.
- 成功创建了高质量的蛋白质分类数据集.
结论:
- DRBP-EDP提供了一种高效准确的深度学习解决方案,用于分类NABP,DBP和RBP.
- 开发的数据集和可访问的工具提高了科学界的可用性.
- 这种方法克服了识别核酸结合蛋白的传统方法的局限性.


