V
主页
2024-10-26-文献汇报-向春林
发布人
原文链接:https://pubmed.ncbi.nlm.nih.gov/38066570/ 蛋白质的溶解度是药物研究和生产中的关键因素。为提高生产效率并降低实验成本,对能基于数据集准确预测溶解度的计算模型需求迫切。之前的研究利用深度学习模型和特征工程技术,从原始蛋白序列中提取特征以进行溶解度预测。然而,这些方法未充分探索特征间的相互依赖性及其重要性。本研究介绍了一种创新的混合图卷积网络(HybridGCN),通过结合多种特征,包括深度学习特征和传统生物物理特征,提升了溶解度预测的准确性。对深度学习特征和生物物理特征间复杂关系的分析表明,某些生物物理特征,特别是进化特征,可以补充深度学习模型提取的特征。为增强模型的特征表征能力,我们采用了ESM,一个大规模蛋白语言模型,以零样本学习提取特征,捕捉关于蛋白质功能和结构的全面且相关的信息。此外,我们提出了一种新的特征融合模块——自适应特征重加权(AFR),用于整合多种特征,从而细化特征的重要性。消融实验和比较分析验证了HybridGCN的有效性,在公共的eSOL和S. cerevisiae数据集上取得了最先进的性能。 亮点总结: HybridGCN结合深度学习特征和生物物理特征,显著提高了蛋白质溶解度预测的准确性。 引入ESM蛋白语言模型,实现零样本学习特征,捕获蛋白功能和结构的广泛信息。 提出了自适应特征重加权(AFR)模块,能有效整合多种特征并优化特征的重要性。 消融实验和对比分析证明HybridGCN在eSOL和S. cerevisiae数据集上达到了领先的预测性能。
打开封面
下载高清视频
观看高清视频
视频下载器
文献汇报-2024-05-10(陈越)
文献汇报-2024-02-25(马文徽)
2024.5 文献汇报(蔡韵洁)
文献汇报-2024.10(徐泽世)
文献汇报-2024-04-20(肖云海)
2024.4 文献汇报(蔡韵洁)
文献汇报-2024.09(孙乐欣)
文献汇报-2024-04-15(杨允若)
2022-10-25 文献汇报(黄婷)
2024-10-26-文献汇报-蔡韵洁
文献汇报-2024.09(徐一卿)
文献汇报-2024.10(曾颖周)
文献汇报-2024.09(曹伟)
文献汇报-2024.10(徐一卿)
2024.5 文献汇报(蔡韵洁)
2023-08-01-文献汇报-胡劭琛
2022-10-25 文献汇报(胡邵琛)
2024.6 文献汇报(蔡韵洁)
2023-11-14-文献汇报(马文徽)
文献汇报-2024.10(张敏)
2024-10-26-文献汇报-付杨楠
2023-12-09-文献汇报(向春林)
2024-10-26-文献汇报-宋林轩
文献汇报-2024.10(顾强)
2023-12-10文献汇报(肖云海)
文献汇报-2024-03-31(余海东)
文献汇报-2024.09(顾强)
2024-10-26-文献汇报-杨允诺
2023-10-12-文献汇报(邓旭晟)
文献汇报-2024.10(曹伟)
2024.7-文献汇报(杨允若)
2022-12-12文献汇报(陈辉帝)
2022-10-28 文献汇报(邓倩)
2022-10-20文献汇报(许宇翔)
2022-10-12文献汇报(杜浩然)
文献汇报-2024-03-30(肖云海)
2023-03-29-文献汇报(李童)
文献汇报-2024-03-30(陈越)
2024-10-26-文献汇报-李文彬
文献汇报-2024-04-03(付杨楠)