重庆理工大学学报2023，Vol.37Issue(11) ：242-248.DOI:10.3969/j.issn.1674-8425(z).2023.06.028

多信息融合和自注意力识别新冠磷酸化位点

Multi-information fusion and self-attention identification of phosphorylation sites of SARS-CoV-2

闫路 来佳丽 王明辉
重庆理工大学学报2023，Vol.37Issue(11) ：242-248.DOI:10.3969/j.issn.1674-8425(z).2023.06.028
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据

多信息融合和自注意力识别新冠磷酸化位点

Multi-information fusion and self-attention identification of phosphorylation sites of SARS-CoV-2

闫路 1来佳丽 1王明辉1
扫码查看

作者信息

  • 1. 青岛科技大学 数理学院,山东 青岛 266042
  • 折叠

摘要

由严重急性呼吸系统综合症冠状病毒2(SARS-CoV-2)引起的疾病正在威胁着人们的健康.识别磷酸化位点是理解感染新型冠状病毒的分子机制的重要步骤.由于实验方法的局限性,建立有效的预测模型是非常有必要的,由此提出一种新的新冠磷酸化位点预测模型Self-DeepIPs.利用二肽组成(DC),增强氨基酸组成(EAAC),组成、转化和分布(CTD),BLO-SUM62 四种特征提取方法将蛋白质序列信息转化为数字信息,并首尾相连融合这些特征,采用互信息方法去除冗余信息.利用BILSTM和自注意力机制结合构建深度学习模型预测新冠磷酸化位点.利用五折交叉验证对模型进行检验.训练集的ACC和AUC值分别达到83.62%和91.70%,独立测试集的ACC和AUC值分别达到82.56%和91.23%.实验结果表明:Self-Deep-IPs方法能够有效识别新冠磷酸化位点.

关键词

新冠磷酸化/多信息融合/自注意力机制/深度学习

引用本文复制引用

基金项目

国家自然科学基金面上项目(12171210)

出版年

2023
重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
参考文献量6
段落导航相关论文