本文主要研究内容
作者方春,孙福振,李彩虹,邢林林（2019）在《基于深度学习和字符嵌入的细胞穿透肽预测》一文中研究指出：针对传统细胞穿透肽的预测方法严重依赖于繁琐的特征抽取和特征重建步骤、算法复杂且准确度不高等问题,提出了一种利用自然语言处理中的字符嵌入方法结合CNN-LSTM组合机器学习框架来预测细胞穿透肽的方法。方法采用字符嵌入将氨基酸的代表字符通过网络学习映射到紧凑表示的向量空间中,每种氨基酸字符对应一个紧凑表示的向量,然后将肽序列通过由训练得到的嵌入向量转化为数值矩阵作为CNN-LSTM模型的输入,模型自行抽取特征后自动对输入序列的细胞穿透性进行预测。实验结果显示,在相同数据集进行实验时,研究的方法在测试集上的AUC (the area under ROC curve)值达到0.97,正确指数达到0.846,优于其它方法,说明上述方法能够简单、高效地进行细胞穿透肽的预测。
Abstract
zhen dui chuan tong xi bao chuan tou tai de yu ce fang fa yan chong yi lai yu fan suo de te zheng chou qu he te zheng chong jian bu zhou 、suan fa fu za ju zhun que du bu gao deng wen ti ,di chu le yi chong li yong zi ran yu yan chu li zhong de zi fu qian ru fang fa jie ge CNN-LSTMzu ge ji qi xue xi kuang jia lai yu ce xi bao chuan tou tai de fang fa 。fang fa cai yong zi fu qian ru jiang an ji suan de dai biao zi fu tong guo wang lao xue xi ying she dao jin cou biao shi de xiang liang kong jian zhong ,mei chong an ji suan zi fu dui ying yi ge jin cou biao shi de xiang liang ,ran hou jiang tai xu lie tong guo you xun lian de dao de qian ru xiang liang zhuai hua wei shu zhi ju zhen zuo wei CNN-LSTMmo xing de shu ru ,mo xing zi hang chou qu te zheng hou zi dong dui shu ru xu lie de xi bao chuan tou xing jin hang yu ce 。shi yan jie guo xian shi ,zai xiang tong shu ju ji jin hang shi yan shi ,yan jiu de fang fa zai ce shi ji shang de AUC (the area under ROC curve)zhi da dao 0.97,zheng que zhi shu da dao 0.846,you yu ji ta fang fa ,shui ming shang shu fang fa neng gou jian chan 、gao xiao de jin hang xi bao chuan tou tai de yu ce 。
论文参考文献
论文详细介绍
论文作者分别是来自计算机仿真的方春,孙福振,李彩虹,邢林林，发表于刊物计算机仿真2019年10期论文，是一篇关于深度学习论文,字符嵌入论文,细胞穿透肽论文,预测论文,计算机仿真2019年10期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自计算机仿真2019年10期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：深度学习论文; 字符嵌入论文; 细胞穿透肽论文; 预测论文; 计算机仿真2019年10期论文;