融合局部和全局特征的多视角深度学习多功能酶预测  

作　　者：钟灵茜 

机构地区：[1]江南大学人工智能与计算机学院,江苏无锡214122

出　　处：《中文科技期刊数据库（全文版）工程技术》2023年第4期145-149,共5页

摘　　要：多功能酶是一种特殊类型的酶,具有催化各种基本化学反应的能力。研究表明,多功能酶能够以不同形式催化不同的化学反应,这使得多功能酶比普通的单功能酶更具有研究和使用价值。随着机器学习的发展,人们尝试借助深度学习等计算方法来处理酶功能分类问题,本文提出了一种融合局部和全局特征的多视角深度学习多功能酶分类预测模型mlCBiGCnet。在该方法中,使用卷积神经网络(CNN)和双向门控递归单元(BiGRU)组成的混合网络对酶序列深度特征进行学习,其中CNN模块用于学习酶序列的深度局部特征,BiGRU模块用于学习深度全局特征,并进一步融合为新的复合特征输入到全连接层,最后由多标签分类器得到多功能酶分类结果。此外,使用图卷积网络学习酶EC类标签相关性深度特征,用以指导酶序列多视角深度特征的学习过程。在CNN-BiGRUs模块中,利用多头注意力机制对提取的酶序列深度特征进行特征增强,以加速训练过程,提升模型性能。实验结果表明,与现有方法相比,mlCBiGCnet在子集精度、 Micro_F1_score等指标上都有了更好的表现。

关 键 词：深度学习 多功能酶分类 多视角深度特征学习 局部和全局特征 多标签分类 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]