.png){kind=icon}
返回
Parameterized hypercomplex convolutional network for accurate protein backbone torsion angle prediction
.png){kind=icon}
OA
AI
DOI：10.1038/s41598-024-77412-8.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
仅根据蛋白质的氨基酸序列预测每个残基对应的骨架扭角是一个计算生物学中的挑战性问题。现有的扭角预测器主要使用通过耗时多序列比对生成的轮廓特征进行扭角预测。与传统的轮廓特征相比，预训练蛋白质语言模型生成的嵌入特征在预测性能和计算速度方面具有显著优势。然而，嵌入特征通常具有较高维度，且不同嵌入特征的维度差异显著。为此，我们设计了一种新颖的参数高效深度扭角预测器PHAngle，专门针对嵌入特征。PHAngle是一种参数化超复数卷积网络，由参数化超复数线性层和卷积层组成，其权重参数可表征为克罗内克积的和。在包括TEST2016、TEST2018、TEST2020_HQ、CASP12、CASP13和CASP-FM在内的六个基准测试集上的实验结果表明，与九种现有方法相比，PHAngle在参数最少的情况下实现了最先进的扭角性能。源代码和数据集可在https://github.com/fengtuan/PHAngle获取。
Keyword:
Torsion angle prediction
Parameterized hypercomplex convolutional network
Pretrained protein language model
Embedding feature
期刊
IF:
3.9
论文数:
28.3W
被引数:
83.5W
机构
暂无机构信息
引用论文
TANGLE: Two-Level Support Vector Regression Approach for Protein Backbone Torsion Angle Prediction from Primary Sequences.png)
PLoS ONE
OAAI
PLoS ONEIF0
OAAI分享收藏Improving prediction of secondary structure, local backbone angles, and solvent accessible surface area of proteins by iterative deep learningSCIENTIFIC REPORTSOAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏Enhancing protein backbone angle prediction by using simpler models of deep neural networksSCIENTIFIC REPORTSOAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏Prediction of Protein Backbone Torsion Angles Using Deep Residual Inception Neural Networks基于深度残差起始神经网络的蛋白质骨架扭转角预测OAAI
OAAI分享收藏
查看更多内容