当前位置：
X-MOL 学术
›
Bioinformatics
›
论文详情
Our official English website, www.x-mol.net, welcomes your
feedback! (Note: you will need to create a separate account there.)
蛋白质间接触的深度图学习
Bioinformatics ( IF 4.4 ) Pub Date : 2021-11-05 , DOI: 10.1093/bioinformatics/btab761 Ziwei Xie 1 , Jinbo Xu 1
Bioinformatics ( IF 4.4 ) Pub Date : 2021-11-05 , DOI: 10.1093/bioinformatics/btab761 Ziwei Xie 1 , Jinbo Xu 1
Affiliation
动机 蛋白质间（界面）接触预测对于蛋白质-蛋白质相互作用的计算机结构表征非常有用。尽管深度学习已被应用于此问题，但其准确性不如蛋白质内接触预测。结果我们提出了一种新的深度学习方法 GLINTER（蛋白质间接触图学习）用于二聚体的界面接触预测，利用蛋白质三级结构的旋转不变表示和多序列比对的预训练语言模型。在第 13 和第 14 个 CASP-CAPRI 数据集上进行测试，GLINTER 在同源二聚体上达到的平均最高 L/10 精度为 54%，在所有二聚体上达到 52%，远高于最新深度学习方法 DeepHomo 获得的 30%。同源二聚体和 15% 由 BIPSPI 在所有二聚体上获得。我们的实验表明，GLINTER 预测的接触有助于改进对接诱饵的选择。可用性和实施 该软件可从 https://github.com/zw2x/glinter 获得。数据集可在 https://github.com/zw2x/glinter/data 获得。补充信息 补充数据可在 Bioinformatics 在线获取。
"点击查看英文标题和摘要"
更新日期：2021-11-05
"点击查看英文标题和摘要"
京公网安备 11010802027423号