典型文献
基于深度学习的蛋白质-ATP结合位点预测
文献摘要：
为了提高识别蛋白质-ATP结合位点预测精度,提出了基于Inception架构的深度网络模型Inception_base,同时对网络模型和训练策略进行优化和改进,提出了新的网络模型Inception_ evolution.通过两组数据集在该模型上测试,获得AUC分别为0.885和0.918,均优于其他对比机器学习方法.实验结果表明,深度学习方法可以应用于蛋白质-ATP结合位点预测问题中,该模型能够更精确预测蛋白质-ATP结合位点.
文献关键词：
生物信息学;蛋白质-ATP结合位点预测;特征提取;深度学习;Inception网络模型
中图分类号：
作者姓名：
刘桂霞;裴志尧;宋佳智
作者机构：
吉林大学计算机科学与技术学院,长春130012;吉林大学符号计算与知识工程教育部重点实验室,长春130012
文献出处：
引用格式：
[1]刘桂霞;裴志尧;宋佳智-.基于深度学习的蛋白质-ATP结合位点预测)[J].吉林大学学报（工学版）,2022(01):187-194
A类：
B类：
ATP,结合位点,点预测,识别蛋白,Inception,深度网络模型,base,训练策略,优化和改进,evolution,机器学习方法,深度学习方法,精确预测
AB值：
0.282624
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。
