典型文献
基于多头注意力机制的磷酸化位点预测模型
文献摘要：
计算预测蛋白质磷酸化位点的方法常用于位点识别的初筛阶段.为了提升位点初筛的准确率,本文提出一个深度学习模型MAPhos.该模型首先运用氨基酸向量与位置向量的和表示每一个氨基酸残基;随后使用双向GRU循环神经网络捕获各氨基酸残基的特征;接着引入多头注意力机制计算各注意力头的子上下文向量,并将它们连接起来构成肽段的上下文向量;最后通过一个全连接神经网络进行非线性变换和结果预测.真实数据集上的实验结果表明,MAPhos模型预测磷酸化位点在AUC值、灵敏度、正确率、精度和F1分数统计度量上胜过基于特征提取的模型和基于卷积神经网络的模型,同时与基于卷积神经网络的模型相比具有更好的可解释性,这证明了MAPhos模型更加适用于磷酸化位点识别任务的初筛阶段.
文献关键词：
深度学习;生物信息学;磷酸化位点识别;多头注意力机制;残基表示
中图分类号：
作者姓名：
吴军;欧阳艾嘉;张琳
作者机构：
遵义师范学院 信息工程学院,贵州 遵义563006
文献出处：
引用格式：
[1]吴军;欧阳艾嘉;张琳-.基于多头注意力机制的磷酸化位点预测模型)[J].广西师范大学学报（自然科学版）,2022(03):161-171
A类：
MAPhos,磷酸化位点识别,残基表示
B类：
多头注意力机制,点预测,蛋白质磷酸化,初筛,深度学习模型,氨基酸残基,GRU,循环神经网络,上下文,连接起来,全连接神经网络,非线性变换,真实数据,分数统计,胜过,可解释性
AB值：
0.18149
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
