重庆理工大学学报(自然科学) ›› 2023, Vol. 37 ›› Issue (6): 242-248.
闫 路,来佳丽,王明辉
摘要: 由严重急性呼吸系统综合症冠状病毒 2(SARSCoV2)引起的疾病正在威胁着人 们的健康。识别磷酸化位点是理解感染新型冠状病毒的分子机制的重要步骤。由于实验方法 的局限性,建立有效的预测模型是非常有必要的,由此提出一种新的新冠磷酸化位点预测模型 SelfDeepIPs。利用二肽组成 (DC),增强氨基酸组成 (EAAC),组成、转化和分布(CTD),BLO SUM62四种特征提取方法将蛋白质序列信息转化为数字信息,并首尾相连融合这些特征,采用 互信息方法去除冗余信息。利用 BILSTM和自注意力机制结合构建深度学习模型预测新冠磷 酸化位点。利用五折交叉验证对模型进行检验。训练集的 ACC和 AUC值分别达到 83.62%和 91.70%,独立测试集的 ACC和 AUC值分别达到 82.56%和 91.23%。实验结果表明:SelfDeep IPs方法能够有效识别新冠磷酸化位点。
中图分类号: