基于深度神经网络的蛋白质接触图预测方法研究.pdf

 摘 要 同 基之 距 了 蛋 白质接触图描 了蛋 白质 中不 间 的空间 离关系， 含 富 述 残 包 丰 一 。 此 研 的蛋 白质结构信 息 因 ， 蛋 白质接触图 测是蛋 白质结构 宄 域的 个重 预 领 要方向， 对深入理解蛋 白质功能和促进蛋白质结构的合理设计具有重要意义。 主 于 法 基 前， 蛋白质接触图的预测方法 要包 基 结构的预测方 与 于序列的 括 预测方 。 基 结构的预测方法依赖 蛋白质模板结构 接 图进行预测， 在实 法 于 于 对 触 在 大 。 而基 直 进 践中存 较 的局限性 于序列的 测方法可 接利用 白质序列 行蛋白 预 蛋 触 于 ， 此近 泛 。 质接 图预测， 不依赖 蛋 白质结构信息 因 年来受到广 关注 大多数基 于序 的 法利 经典机 学习算法对 白质接触 行预测， 虽然取得了 列 预测方 用 器 蛋 图进 ， 地 习 残 接触 。 而深度 习 较大的发展 但难 以有效 学 大规模数据样本中的 基 模式 学 地 练 表达 能够 自动 学习大量 数 中的高 次特征， 实 数 的抽象 ， 非常适 训 据 层 现对 据 一 － 于 接触 。 因 ， 出 于 Ｕ Ｎｅｔ 接触 用 蛋 白质 图预测 此 本文首先提 种基 残差 的蛋 白质 ＲＵｃｏｎ 础上 一