基于深度学习的蛋白质二级结构预测

摘要：

后基因组时代的到来,蛋白质的数据量急剧增长.为对蛋白质结构进行准确预测,提出了一种深度学习的方法,来预测蛋白质的二级结构分类问题.采用由近似熵、疏水模式以及图像特征组成的伪氨基酸组分方法,来提取蛋白质序列的特征;预测模型采用了5层的深度玻尔兹曼机(DBM)+分类层,5层的DBM组成了4个RBM,分类层采用softmax分类器;同时采用了非监督学习和监督学习作为预测模型的训练策略.与现有预测方法相比,提出的预测方法,比目前较好的支持向量机(SVM),人工神经网络(ANN)精度均要高.实验结果表明,提出的改进方法具有很好的可行性和有效性.

关键词：深度学习、蛋白质结构预测、伪氨基酸组分、蛋白质分类

所属期刊栏目：32

分类号：TP302(计算技术、计算机技术)

资助基金：国家自然科学基金项目61074071,61104022

在线出版日期：2015-04-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：392-396