机构名称：
¥ 1.0
随着深度学习的有希望的进展，开发了许多方法来预测蛋白质功能。这些方法可以大致分为两类：基于序列和基于结构的方法。基于序列的方法利用了1D卷积神经网络（CNN）或变压器模型来生成蛋白质序列的特定表示[3，4]。后来，将蛋白质序列和同源性信息结合在一起的方法显示出显着改善[5，6]。蛋白质结构预测的最新发展使研究人员能够获得给定蛋白序列的可能的三维结构[7，8，9]。因此，许多基于结构的方法都使用图形神经网络（GNN）和通过消息范式范式从蛋白质结构信息中提取特征[10，11]。具体来说，每个残基在每一层的几何邻域接收信号，然后将图池层总结为蛋白质级表示，以进行分类。一种新开发的方法，即TAWFN，集成的CNN和GNN，利用蛋白质序列和结构信息来预测蛋白质功能[12]。
建议：蛋白质功能预测的增强学习框架
主要关键词
相关文件推荐
