AIGC动态欢迎阅读
原标题:分类性能提高 10%,港中大团队利用大型蛋白质语言模型发现未知的信号肽
文章来源:人工智能学家
内容字数:4569字
内容摘要:将 ScienceAI设为星标第一时间掌握新鲜的 AI for Science 资讯编辑 | 萝卜皮信号肽 (SP) 对于跨膜和分泌蛋白靶向并将其转移到正确位置至关重要。许多现有的预测 SP 的计算工具忽视了极端的数据不平衡问题,而依赖于蛋白质的额外组信息。香港中文大学的研究人员开发了无偏生物体不可知信号肽网络(Unbiased Organism-agnostic Signal Peptide Network,USPNet),一种 SP 分类和切割位点预测深度学习方法。大量的实验结果表明,USPNet 的分类性能比之前的方法大幅提高了 10%。USPNet 的 SP 发现流程旨在从宏基因组数据中探索从未见过的 SP。它揭示了 347 个 SP 候选物,这些候选物与训练数据集中最接近的 SP 之间的序列同一性很低,最低仅为 13%。此外,训练集中候选物和 SP 之间的模板建模分数大多在 0.…
原文链接:点此阅读原文:分类性能提高 10%,港中大团队利用大型蛋白质语言模型发现未知的信号肽
联系作者
文章来源:人工智能学家
作者微信:AItists
作者简介:致力成为权威的人工智能科技媒体和前沿科技研究机构
© 版权声明
文章版权归作者所有,未经允许请勿转载。
相关文章
暂无评论...