声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：41-1437/TS
国际刊号：2096-1553
发布日期:
作者：王晓, 吴洲, 王宏伟, 王榕, 陈浩然
单位：1.郑州轻工业大学计算机科学与技术学院,河南郑州450001;2.河南省食品安全数据智能重点实验室,河南郑州450001;3.郑州轻工业大学食品与生物工程学院,河南郑州450001;4.郑州轻工业大学电子信息学院,河南郑州450001
关键词：抗菌肽, 预测模型, 食源性病原体, 蛋白质语言模型, 深度学习网络
基金：国家自然科学基金青年科学基金项目(32101976,61906175)河南省科技攻关项目(232102210020,20210221014)河南省高等学校重点科研项目(22A520013,23B520004)
针对目前已有抗菌肽(Antimicrobial Peptides,AMPs)预测模型的准确度(ACC)仍有待提高的问题,提出一种新的基于深度学习和蛋白质语言模型的抗菌肽预测模型DeepGlap,该模型分别采用两个蛋白质语言模型对抗菌肽序列进行特征提取,将提取的特征向量融合后输入由多层双向长短记忆网络(mBi-LSTM)、一维卷积神经网络(1D-CNN)和注意力机制组成的深度学习网络中,并进行性能评估与优化。结果表明:该模型的ACC、皮尔逊相关系数(MCC)和曲线下的面积(AUC) 分别为0.739、0.489和0.81,优于已有抗菌肽预测模型的预测效果。
来源：2024年第2期
《轻工学报》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。