用深度卷积神经网络方法识别无序蛋白中短的无序结合区域

分子识别特征（MoRF）是内在无序蛋白（IDP）的关键功能区域，它们在细胞的分子相互作用网络中起重要作用，并与许多严重的人类疾病有关。 鉴定MoRF对于IDP的功能研究和药物设计都是必不可少的。 本研究采用人工智能的前沿机器学习方法，为改进MoRFs预测开发了强大的模型。 我们提出了一种名为en DCNNMoRF（基于集成深度卷积神经网络的MoRF预测器）的方法。 它结合了利用不同特征的两个独立的深度卷积神经网络（DCNN）分类器的结果。 首先，DCNNMoRF1使用位置特定评分矩阵（PSSM）和22种氨基酸相关因子来描述蛋白质序列。 第二种是DCNNMoRF2，它使用PSSM和13种氨基酸索引来描述蛋白质序列。 对于两个单一分类器，都采用了具有新颖的二维注意机制的DCNN，并添加了平均策略以进一步处理每个DCNN模型的输出概率。 最后，en DCNNMoRF通过对两个模型的最终得分进行平均来组合这两个模型。 当与应用于相同数据集的其他知名工具进行比较时，新提出的方法的准确性可与最新方法相媲美。 可以通过http://vivace.bi.a.utokyo.ac.jp:8008/fang