Identification of Antioxidant Proteins With Deep Learning From Sequence Information.
Identification of Antioxidant Proteins With Deep Learning From Sequence Information.
复制标题
通过序列信息的深度学习识别抗氧化蛋白
DOI：
10.3389/fphar.2018.01036
复制
发表时间：
2018
影响因子：
5.6
通讯作者：
Lin H
中科院分区：
文献类型：
--
作者：
Shao L;Gao H;Liu Z;Feng J;Tang L;Lin H
抗氧化剂蛋白质被发现与疾病控制密切相关，因为它有能力消除多余的自由基。由于其药用价值，鉴定抗氧化蛋白的研究方兴未艾。由于生物数据的非线性和不平衡性质，许多机器学习分类器的表现很差。最近，深度学习技术在各个领域显示出了比许多最先进的机器学习方法更好的优势。在这项研究中，提出了一种基于深度学习的分类器，用于识别基于混合g-GAP二肽组成特征向量的抗氧化蛋白质。该分类器使用深度自动编码器从原始输入中提取非线性表示。采用t分布随机邻域嵌入(t-SNE)方法进行降维。最后利用支持向量机进行分类。在10次交叉验证中，该分类器的F1得分为0.8842，MCC值为0.7409。实验结果表明，本文提出的方法优于传统的机器学习方法，是一种很有前途的抗氧化蛋白质识别工具。为了方便他人的科学研究，我们开发了一个用户友好的抗氧化蛋白质鉴定Web服务器IDAod，该服务器可以在http://bigroup.uestc.edu.cn/IDAod/.上免费访问
Antioxidant proteins have been found closely linked to disease control for its ability to eliminate excess free radicals. Because of its medicinal value, the study of identifying antioxidant proteins is on the upsurge. Many machine-learning classifiers have performed poorly owing to the nonlinear and unbalanced nature of biological data. Recently, deep learning techniques showed advantages over many state-of-the-art machine learning methods in various fields. In this study, a deep learning based classifier was proposed to identify antioxidant proteins based on mixed g-gap dipeptide composition feature vector. The classifier employed deep autoencoder to extract nonlinear representation from raw input. The t-Distributed Stochastic Neighbor Embedding (t-SNE) was used for dimensionality reduction. Support vector machine was finally performed for classification. The classifier achieved F1 score of 0.8842 and MCC of 0.7409 in 10-fold cross validation. Experimental results show that our proposed method outperformed the traditional machine learning methods and could be a promising tool for antioxidant protein identification. For the convenience of others' scientific research, we have developed a user-friendly web server called IDAod for antioxidant protein identification, which can be accessed freely at http://bigroup.uestc.edu.cn/IDAod/.
登录
查看更多内容
DOI：
10.1093/bioinformatics/bts565
发表时间：
2012-12-01
期刊：
Bioinformatics (Oxford, England)
影响因子：
--
作者：
Fu L;Niu B;Zhu Z;Wu S;Li W
通讯作者：
Li W
DOI：
10.1016/j.omtn.2018.03.012
发表时间：
2018-06-01
期刊：
Molecular therapy. Nucleic acids
影响因子：
--
作者：
Chen W;Feng P;Yang H;Ding H;Lin H;Chou KC
通讯作者：
Chou KC
影响因子：
5.8
作者：
Chen, Wei;Yang, Hui;Lin, Hao
通讯作者：
Lin, Hao
影响因子：
3.3
作者：
Chen, Yi-Chen;Cheng, Chao-Sheng;Sue, Shih-Che
通讯作者：
Sue, Shih-Che
影响因子：
5.8
作者：
Liang, Zhi-Yong;Lai, Hong-Yan;Lin, Hao
通讯作者：
Lin, Hao