.png){kind=icon}
返回
Deep generative model for protein subcellular localization prediction
.png){kind=icon}
OA
AI
DOI：10.1093/bib/bbaf152.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
蛋白质序列不仅决定其结构，还能提供其亚细胞定位的重要线索。尽管已有系列人工智能模型被报道用于预测蛋白质亚细胞定位，但大多数仅提供文本输出。本研究提出deepGPS，一种用于蛋白质亚细胞定位预测的深度生成模型。经过蛋白质一级序列和荧光图像的训练后，deepGPS能够通过输出文本标签和生成图像两种方式预测细胞质和细胞核定位。此外，可利用不同细胞系的特定图像数据集开发细胞类型特异性的deepGPS模型，以进行比较分析。此外，deepGPS显示出进一步扩展应用于其他特定细胞器的潜力，如囊泡和内质网，即使训练数据量有限。最后，构建了openGPS网站（https://bits.fudan.edu.cn/opengps），为研究蛋白质亚细胞定位和功能提供公开可访问且用户友好的平台。
Keyword:
protein subcellular localization
deep learning
image generation
期刊
IF:
7.7
论文数:
5.6K
被引数:
2.7W
机构
引用论文
Nuclei instance segmentation and classification in histopathology images with StarDist基于StarDist的组化病理图像中细胞核实例分割与分类.png)
IF0
PREAI
分享收藏OpenCell: Endogenous tagging for the cartography of human cellular organizationOpenCell: 用于人类细胞组织制图的内源性标记ScienceOAAI
ScienceIF0
OAAI分享收藏A large-scale binding and functional map of human RNA-binding proteins人类RNA结合蛋白的大规模结合和功能图谱Nature
OAAI
NatureIF0
OAAI分享收藏Self-supervised deep learning encodes high-resolution features of protein subcellular localization自监督深度学习编码蛋白质亚细胞定位的高分辨率特征NATURE METHODSOAAI
NATURE METHODSIF32.1
OAAI分享收藏Interpretable feature extraction and dimensionality reduction in ESM2 for protein localization predictionESM2中用于蛋白质定位预测的可解释特征提取与降维OAAI
OAAI分享收藏
查看更多内容