典型文献
基于时空图卷积神经网络的蛋白质复合物识别方法
文献摘要：
目的 探讨利用时空图卷积神经网络在动态蛋白质网络中挖掘复合物的新方法.方法 文中首先定义了边强度、节点强度和边存在概率等指标对动态蛋白质网络进行建模,然后结合图上的时间序列信息和结构信息,基于希尔伯特-黄变换、注意力机制和残差连接等技术设计了2种卷积算子来对网络中蛋白质的特征进行表示学习,构建得到动态蛋白质网络特征图.最后采用谱聚类来识别复合物.结果 在多个公开生物数据集上的仿真实验结果表明,所提算法在DIP数据集和MIPS数据集上的F值都达到了90％以上,相比于DPCMNE、GE-CFI、VGAE和NOCD等4种识别算法而言,识别效率分别平均提高了约34.5％、28.7％、25.4％和17.6％.结论 运用深度学习技术来处理动态蛋白质网络的性能表现良好,具有普适意义.
文献关键词：
动态蛋白质网络;蛋白质复合物;图卷积神经网络;卷积算子;谱聚类
中图分类号：
作者姓名：
盛江明;薛娟;李鹏;伊娜
作者机构：
中南大学湘雅二医院临床护理教研室,湖南 长沙 410011;中南大学湘雅二医院超声诊断科,湖南 长沙410011;中南大学湘雅三医院手术中心,湖南 长沙 410013;湖南中医药大学信息科学与工程学院,湖南 长沙410208
文献出处：
引用格式：
[1]盛江明;薛娟;李鹏;伊娜-.基于时空图卷积神经网络的蛋白质复合物识别方法)[J].南方医科大学学报,2022(07):1075-1081
A类：
动态蛋白质网络,DPCMNE,NOCD
B类：
时空图卷积神经网络,蛋白质复合物,节点强度,序列信息,结构信息,希尔伯特,黄变,注意力机制,残差连接,技术设计,卷积算子,表示学习,网络特征,特征图,谱聚类,生物数据,DIP,MIPS,GE,CFI,VGAE,识别算法,深度学习技术,适意
AB值：
0.271608
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。
