.png){kind=icon}
返回
SPACE: STRING proteins as complementary embeddings
.png){kind=icon}
OA
AI
DOI：10.1093/bioinformatics/btaf496.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
动机 表示学习已彻底改变了基于序列的蛋白质功能预测和亚细胞定位预测。蛋白质网络是补充序列信息的重要来源，但在机器学习背景下，特别是跨物种场景中，使用蛋白质网络已被证明具有挑战性。
结果 我们利用STRING数据库中包含1322种真核生物的蛋白质网络和直系同源关系，生成了基于网络的跨物种蛋白质嵌入。我们首先创建物种特定的网络嵌入，然后根据直系同源关系对其进行对齐，以促进直接的跨物种比较。我们证明，这些对齐的网络嵌入可在不同物种间保持一致性，且与物种特定的网络嵌入相比不会牺牲质量。我们还证明，尽管对齐过程中使用了基于序列的直系同源关系，但所得到的对齐网络嵌入与序列嵌入技术具有互补性。最后，我们通过两项经典任务验证了这些嵌入：亚细胞定位预测和蛋白质功能预测。在基于对齐网络嵌入和序列嵌入训练逻辑回归分类器后，其准确率较仅使用序列的情况有所提升，性能接近当前最先进的深度学习方法。
可用性与实现 生成基于网络的跨物种蛋白质嵌入的源代码和脚本可从https://github.com/deweihu96/SPACE获取。STRING 12.0版本（https://string-db.org/cgi/download）中包含了所有真核生物蛋白质的预计算网络嵌入和序列嵌入。
Keyword:
SUBCELLULAR-LOCALIZATION
LANGUAGE
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
5.4
论文数:
1.4K
被引数:
17.9W
机构
引用论文
NetGO: improving large-scale protein function prediction with massive network information.png)
NUCLEIC ACIDS RESEARCHOAAI
NUCLEIC ACIDS RESEARCHIF13.1
OAAI分享收藏Joint representation of molecular networks from multiple species improves gene classification多物种分子网络的联合表示可改善基因分类
OAAI
OAAI分享收藏ProtTrans: Toward Understanding the Language of Life Through Self-Supervised LearningProtTrans: 通过自我监督学习来理解生活语言OAAI
OAAI分享收藏Functional protein representations from biological networks enable diverse cross-species inference来自生物网络的功能蛋白质表示可实现多种跨物种推断NUCLEIC ACIDS RESEARCHOAAI
NUCLEIC ACIDS RESEARCHIF13.1
OAAI分享收藏Improving protein succinylation sites prediction using embeddings from protein language model使用蛋白质语言模型的嵌入改进蛋白质琥珀酰化位点的预测SCIENTIFIC REPORTSOAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏Towards the Web of Embeddings: Integrating multiple knowledge graph embedding spaces with FedCoderOAAI
OAAI分享收藏分享收藏
查看更多内容