期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
面向同源蛋白质探测的一种新型混合深度学习模型
被引量：
1
1
作者
张茜
孙一佳
+1 位作者
白琳
李陶深
《广西科学》
CAS
2019年第3期283-290,共8页
根据蛋白质氨基酸链探测其同源蛋白质,进而预测蛋白质的功能,是生物信息学研究领域的一个重要挑战,也是众多生物医学研究领域的基础研究内容,有着重要的科研价值和广泛的应用需求。其研究难点在于:(1)如何学习对同源蛋白质预测有效、有...
根据蛋白质氨基酸链探测其同源蛋白质,进而预测蛋白质的功能,是生物信息学研究领域的一个重要挑战,也是众多生物医学研究领域的基础研究内容,有着重要的科研价值和广泛的应用需求。其研究难点在于:(1)如何学习对同源蛋白质预测有效、有用的蛋白质特征信息;(2)如何更好地运用蛋白质特征信息,实现同源蛋白质的探测与识别。为了解决同源蛋白质探测与识别研究中的关键难点,本文提出一种基于混合深度学习架构的同源蛋白质探测与识别模型(HDLMPHP)。通过采用统一的“管道式”深度学习架构,将蛋白质特征学习和探测识别统一为一个整体,提高同源蛋白质探测与识别的效能。采用多组并行的深度卷积神经网络,学习蛋白质的各种属性信息,以期获得丰富的待检测蛋白质和靶蛋白质的高级相关性特征,并通过全连接方式使用多层RBM结构融合和精炼这些相关性特征为全局相关性特征。通过统一的深度网络连接方式,以探测和识别任务为导向,学习到对于同源蛋白质预测最有效、最全面的蛋白质特征信息。在标准数据集SCOPe上,对所提模型进行性能与效率评测,结果表明:本文提出的模型能有效地学习到符合任务导向的蛋白质特征数据,提升同源蛋白质探测与识别的准确度和召回率,优于现有的模型和算法。
展开更多
关键词
混合深度学习
同源
蛋白质
深度卷积神经网络
蛋白质特征提取
深度学习模型
机器学习算法
在线阅读
下载PDF
职称材料
基于嗅觉受体激活关系模拟的气味感知预测
被引量：
1
2
作者
左敏
胡静珺
+3 位作者
颜文婧
王瑞东
张青川
范大维
《中山大学学报（自然科学版）（中英文）》
CAS
CSCD
北大核心
2024年第1期86-95,共10页
气味分子与嗅觉受体相互作用是引起气味感知的重要环节,对于揭示气味感知机制具有重要意义。然而,获得气味分子与人类嗅觉受体激活关系的实验性结果耗时耗力,且目前可用的激活关系数据数量不足以支持智能气味感知研究。因此,本研究构建...
气味分子与嗅觉受体相互作用是引起气味感知的重要环节,对于揭示气味感知机制具有重要意义。然而,获得气味分子与人类嗅觉受体激活关系的实验性结果耗时耗力,且目前可用的激活关系数据数量不足以支持智能气味感知研究。因此,本研究构建了嗅觉受体蛋白质关系网络,并提取特征来训练气味分子-嗅觉受体激活关系预测模型。在气味感知预测中综合考虑气味分子特征和嗅觉受体蛋白激活模拟关系,实现了对人类气味感知的高精度回归预测。实验结果表明,融合气味分子-嗅觉受体激活关系的人类气味感知预测相关度指标为0.94,明显优于现有的气味感知预测模型。此外,研究还在预测基础上总结了气味分子-嗅觉受体激活-气味感知模式。本研究为气味感知预测引入了可观测的嗅觉受体激活机制特征,为深入探索和理解气味感知机制提供了新思路。
展开更多
关键词
分子
特征提取
蛋白质特征提取
嗅觉受体激活预测
气味感知预测
图卷积
机器学习
在线阅读
下载PDF
职称材料
题名
面向同源蛋白质探测的一种新型混合深度学习模型
被引量：
1
1
作者
张茜
孙一佳
白琳
李陶深
机构
广西医科大学第一附属医院
广西大学计算机与电子信息学院
广西高校并行与分布式计算技术重点实验室
出处
《广西科学》
CAS
2019年第3期283-290,共8页
基金
广西自然科学基金项目(2018GXNSFAA138085)资助
文摘
根据蛋白质氨基酸链探测其同源蛋白质,进而预测蛋白质的功能,是生物信息学研究领域的一个重要挑战,也是众多生物医学研究领域的基础研究内容,有着重要的科研价值和广泛的应用需求。其研究难点在于:(1)如何学习对同源蛋白质预测有效、有用的蛋白质特征信息;(2)如何更好地运用蛋白质特征信息,实现同源蛋白质的探测与识别。为了解决同源蛋白质探测与识别研究中的关键难点,本文提出一种基于混合深度学习架构的同源蛋白质探测与识别模型(HDLMPHP)。通过采用统一的“管道式”深度学习架构,将蛋白质特征学习和探测识别统一为一个整体,提高同源蛋白质探测与识别的效能。采用多组并行的深度卷积神经网络,学习蛋白质的各种属性信息,以期获得丰富的待检测蛋白质和靶蛋白质的高级相关性特征,并通过全连接方式使用多层RBM结构融合和精炼这些相关性特征为全局相关性特征。通过统一的深度网络连接方式,以探测和识别任务为导向,学习到对于同源蛋白质预测最有效、最全面的蛋白质特征信息。在标准数据集SCOPe上,对所提模型进行性能与效率评测,结果表明:本文提出的模型能有效地学习到符合任务导向的蛋白质特征数据,提升同源蛋白质探测与识别的准确度和召回率,优于现有的模型和算法。
关键词
混合深度学习
同源
蛋白质
深度卷积神经网络
蛋白质特征提取
深度学习模型
机器学习算法
Keywords
hybrid deep learning
homologous proteins
deep convolution neural network
protein feature learning
deep learning model
machine learning algorithm
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于嗅觉受体激活关系模拟的气味感知预测
被引量：
1
2
作者
左敏
胡静珺
颜文婧
王瑞东
张青川
范大维
机构
北京工商大学农产品质量安全追溯技术及应用国家工程研究中心
北京市房山区教师进修学校
出处
《中山大学学报（自然科学版）（中英文）》
CAS
CSCD
北大核心
2024年第1期86-95,共10页
基金
国家重点研发计划项目(2021YFD2100605)
北京市属高校教师队伍建设支持计划高水平科研创新团队项目(BPHR20220104)。
文摘
气味分子与嗅觉受体相互作用是引起气味感知的重要环节,对于揭示气味感知机制具有重要意义。然而,获得气味分子与人类嗅觉受体激活关系的实验性结果耗时耗力,且目前可用的激活关系数据数量不足以支持智能气味感知研究。因此,本研究构建了嗅觉受体蛋白质关系网络,并提取特征来训练气味分子-嗅觉受体激活关系预测模型。在气味感知预测中综合考虑气味分子特征和嗅觉受体蛋白激活模拟关系,实现了对人类气味感知的高精度回归预测。实验结果表明,融合气味分子-嗅觉受体激活关系的人类气味感知预测相关度指标为0.94,明显优于现有的气味感知预测模型。此外,研究还在预测基础上总结了气味分子-嗅觉受体激活-气味感知模式。本研究为气味感知预测引入了可观测的嗅觉受体激活机制特征,为深入探索和理解气味感知机制提供了新思路。
关键词
分子
特征提取
蛋白质特征提取
嗅觉受体激活预测
气味感知预测
图卷积
机器学习
Keywords
molecular feature extraction
protein feature extraction
olfactory receptor activation prediction
olfactory perception prediction
graph convolution
machine learning
分类号
Q-31 [生物学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
面向同源蛋白质探测的一种新型混合深度学习模型
张茜
孙一佳
白琳
李陶深
《广西科学》
CAS
2019
1
在线阅读
下载PDF
职称材料
2
基于嗅觉受体激活关系模拟的气味感知预测
左敏
胡静珺
颜文婧
王瑞东
张青川
范大维
《中山大学学报（自然科学版）（中英文）》
CAS
CSCD
北大核心
2024
1
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
