基于卷积神经网络的多聚脯氨酸二型二级结构预测

发布时间：2021-08-13 21:20

　　多聚脯氨酸二型螺旋是一种特殊且稀少的蛋白质二级结构。为了节省实验方法测定该结构的时间和成本,本文设计一种基于卷积神经网络的深度学习算法用于预测多聚脯氨酸二型螺旋。首先,对蛋白质序列信息进行特征编码生成特征矩阵,特征编码方式包括氨基酸正交码、氨基酸物理化学性质和位置特异性打分矩阵。其次,将归一化处理后的特征矩阵输入到卷积神经网络中,自动提取蛋白质序列的局部深层特征并输出多聚脯氨酸二型螺旋的预测结果。实验结果表明,该算法的性能相较于支持向量机之类的6种传统机器学习算法有明显的提升。 

【文章来源】：计算机与现代化. 2020,(02)

【文章页数】：5 页

【部分图文】：

正样本

负样本

卷积神经网络的结构主要由输入层、卷积层、平坦层、全连接层和输出层构成,如图3所示。输入层(Input)输入的是归一化处理之后单个样本的特征矩阵,若使用正交矩阵、氨基酸物理化学性质和位置特异性计分矩阵3类特征编码,滑动窗口大小为13,则输入到模型中单个样本的特征矩阵的尺寸为13×48。

【参考文献】：
期刊论文
[1]深度卷积神经网络的判别性人脸识别算法[J]. 任克强,胡慧.  华中科技大学学报(自然科学版). 2019(10)
[2]字符级卷积神经网络短文本分类算法[J]. 刘敬学,孟凡荣,周勇,刘兵.  计算机工程与应用. 2019(05)
[3]基于深度卷积神经网络的输电线路可见光图像目标检测[J]. 周筑博,高佼,张巍,王晓婧,张静.  液晶与显示. 2018(04)
[4]基于改进编码的多聚脯氨酸二型结构预测[J]. 陆克中,须文波.  池州师专学报. 2006(05)
[5]遗传神经网络在PPⅡ预测中的应用[J]. 陆克中,胡永钢,须文波.  江南大学学报. 2005(03)
[6]支持向量机在PPⅡ二级结构预测中的应用[J]. 陆克中,须文波.  生物信息学. 2005(01)



本文编号：3341158