东北大学孟琭团队提出TAWFN模型，通过双模型自适应权重融合网络进行蛋白质功能预测

文章预览

蛋白质在生物系统中起着至关重要的作用，对其功能的精确预测是实际应用中必不可少的。尽管高通量技术促进了蛋白质序列数据的激增，但揭示蛋白质的确切功能仍然需要大量的时间和资源。目前，许多方法依赖于蛋白质序列进行预测，而依赖于蛋白质结构的方法很少，且通常单独使用卷积神经网络（CNN）或图卷积网络（GCN），而如何将这两种网络有效融合以进行蛋白质预测的研究仍较为缺乏。 2024年9月23日，东北大学孟琭教授团队在Bioinformatics上发表文章TAWFN: a deep learning framework for protein function prediction。 作者提出了从蛋白质结构出发，将卷积神经网络（CNN）和图卷积网络（GCN）结合成一个统一框架的方法，称为双模型自适应权重融合网络（two-model adaptive weight fusion networks，TAWFN），用于蛋白质功能预测。 首先，从蛋白质结构中提取氨基酸接触 ………………………………