基于特征图网络和多种生物信息预测关键蛋白质的深度学习框架

来源：吉林大学学报·理学版杂志2024年第3期北京时间：

作者：刘桂霞, 曹心恬, 赵贺

单位：吉林大学 计算机科学与技术学院, 符号计算与知识工程教育部重点实验室, 长春 130012

摘要：针对生物实验识别关键蛋白质费时费力, 使用计算方法预测关键蛋白质无法有效整合生物信息的问题, 提出一个深度学习框架. 首先利用网络拓扑结构、 基因表达数据和GO(gene ontology)注释数据构建加权蛋白质相互作用网络; 然后分别使用特征图网络和双向长短期记忆细胞从亚细胞定位数据、 蛋白质复合物数据和基因表达数据中提取特征向量; 最后将这些特征向量输入到任务学习层预测关键蛋白质. 实验结果表明, 相比于现有的计算方法, 该方法预测性能更好.

关键词：关键蛋白质,特征图网络,亚细胞定位,基因表达,GO注释,蛋白质复合物