基于卷积神经网络的蛋白质折叠类型最小特征提取

作     者：潘越 王骏 李文飞 张建 王炜 Pan Yue;Wang Jun;Li Wenfei;Zhang Jian;wang Wei

作者机构：南京大学物理学院南京210023 南京大学脑科学研究院南京210023 南京大学计算机软件新技术国家重点实验室南京大学计算机科学与技术系南京210023 

基　　金：国家自然科学基金(11774157 11774158 11974173 11934008) 

出 版 物：《南京大学学报（自然科学版）》 (Journal of Nanjing University（Natural Science）)

年 卷 期：2020年第56卷第5期

页      码：744-753页

摘      要：通过蛋白质的序列、结构等信息构建完整的蛋白质宇宙是生物信息学中的重要课题,相关研究对蛋白质结构预测、蛋白质进化路径分析以及蛋白质结构设计等方面的研究都有重要的意义.从蛋白质结构的一种简化表示——蛋白质接触图出发,通过训练卷积神经网络进行特征提取,筛选出可识别结构域折叠类型的最小特征向量,构建蛋白质折叠类型空间,并使用谱聚类等方法对不同蛋白质折叠类型的高维分布情况进行分析.得到的最小特征向量兼顾了信息的完整性与冗余度,可以很好地表示全部七种常见蛋白质类的空间关联.该研究结果填补了之前蛋白质宇宙研究中对不常见类的空间位置和相互关系描述的空白,加深了对于蛋白质结构相似性的理解.

主 题 词：蛋白质宇宙 深度学习 卷积神经网络 蛋白质折叠类型识别 

学科分类：071011[071011] 0710[理学-生物科学类] 07[理学] 

核心收录：

D　O　I：10.13232/j.cnki.jnju.2020.05.014

馆 藏 号：203987190...