本发明公开了一种基于信息融合和深度学习的原核生物乙酰化位点预测方法,涉及生物信息技术领域。所述预测方法引入多信息融合,从序列信息、物理化学信息、进化信息多方面对蛋白质序列进行特征编码,充分反映乙酰化位点与非乙酰化位点蛋白质序列之间的差异性。Group Lasso对原始特诊空间进行筛选和优化,保留识别乙酰化位点模型的重要特征,得到最佳特征子集,提高模型计算速度和质量。深度神经网络通过层级学习最优特征子集生成具有判别力的特征,有效区分蛋白质序列中的乙酰化位点和非乙酰化位点,同时节约计算时间并且避免其它成本和相关限制,不仅能够帮助深入了解乙酰化分子机制,而且能为进行乙酰化位点识别相关实验验证提供有价值的参考信息。
声明:
“基于信息融合和深度学习的原核生物乙酰化位点预测方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)