换一批深度学习在基于序列的蛋白质互作预测中的应用进展
Advances in applications of deep learning for predicting sequence-based protein interactions
摘要蛋白质-蛋白质相互作用在细胞信号转导、基因表达和代谢调控等生物过程中发挥重要作用,鉴定蛋白质间的相互作用对于理解复杂生物过程至关重要.预测蛋白质间的相互作用可以为药物发现、蛋白质功能研究和设计等领域提供帮助.近年来,随着人工智能技术的蓬勃发展,深度学习技术在预测蛋白质互作领域做出巨大贡献,其中基于序列的深度学习模型通过学习蛋白质序列信息的深层特征进行互作预测.本文综述了深度学习在基于序列的蛋白质互作预测中的应用,按照算法框架和时间线对该领域进展进行分类归纳,介绍了数据处理、序列编码方法、算法架构以及模型的评估指标等内容,并分析了当前面临的问题以及未来的发展方向.随着深度学习技术的发展,预测蛋白质互作的效率大幅提高,未来需要发展泛化能力更强的预测模型,助力蛋白质互作的预测.
更多相关知识
关键词
蛋白质互作深度学习人工智能序列编码神经网络protein interactionsdeep learningartificial intelligencesequence encodingneural network
分类号
Q816（蛋白质工程）
栏目名称
DOI
10.12211/2096-8280.2023-074
发布时间
2024-03-27（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览12
- 被引5
- 下载4
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
