定量生物学 > 定量方法
[提交于 2025年7月18日
]
标题: MP-GCAN:一种高精度的分类器,用于$α$-螺旋膜蛋白和$β$-桶状蛋白
标题: MP-GCAN: a highly accurate classifier for $α$-helical membrane proteins and $β$-barrel proteins
摘要: 膜蛋白分类是结构生物信息学中的基础任务,对于理解蛋白质功能和加速药物发现至关重要。 在本研究中,我们提出了MP-GCAN,一种基于图的分类模型,利用蛋白质的空间和序列特征。 MP-GCAN结合了GCN、GAT和GIN层,从3D蛋白质图中捕获分层结构表示,这些图是从包含$\alpha$-碳坐标和残基类型的高分辨率PDB文件构建的。 为了评估性能,我们整理了一个高质量的数据集,包含500个膜蛋白和500个非膜蛋白,并将MP-GCAN与两个基线进行了比较:一个基于结构置信度的SGD分类器,利用AlphaFold的pLDDT得分,以及DeepTMHMM,一个基于序列的深度学习模型。 我们的实验表明,MP-GCAN显著优于基线,在两类上均达到了96%的准确率和强大的F1分数。 结果强调了将预训练的GNN架构与领域特定的结构数据相结合的重要性,以提高膜蛋白分类的效果。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.