典型文献
基于深度卷积神经网络的RNA三维结构打分函数
文献摘要：
非编码RNA的三维结构对于人们理解和干预其生物功能具有重要的意义,从计算的角度发展RNA结构预测方法可以加速结构获取过程,对三维结构进行评分是进行结构预测的关键步骤.近年来,基于机器学习的方法,如AlphaFold2,已在分子结构预测领域取得了革命性的进展.基于深度卷积神经网络,建立了一个对RNA三维结构进行评估的方法.为了训练这一网络,建立了一个非冗余的含有422个RNA以及126600个decoys结构的数据集.训练得到的模型在RNA-Puzzles数据集上进行了测试,结果表明,在28个RNA中,网络从众多decoys中挑选出实验结构的正确率约为71.4％,这一结果比之前有所提高.另外,还对网络的工作机制进行了分析,发现神经网络对结构评分的倾向性和已知的物理化学知识相一致.
文献关键词：
RNA结构预测;打分函数;卷积神经网络;深度学习;机器学习
中图分类号：
作者姓名：
杜渊洋;邓成伟;张建
作者机构：
南京大学物理学院,南京,210093;人工微结构科学与技术协同创新中心,南京,210093
文献出处：
引用格式：
[1]杜渊洋;邓成伟;张建-.基于深度卷积神经网络的RNA三维结构打分函数)[J].南京大学学报（自然科学版）,2022(03):369-376
A类：
decoys
B类：
深度卷积神经网络,三维结构,打分函数,非编码,生物功能,结构预测,关键步骤,基于机器学习,AlphaFold2,分子结构,革命性,非冗余,练得,Puzzles,从众,挑选出,倾向性,物理化学,化学知识,识相,相一致
AB值：
0.319747
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。
