文章预览
将 ScienceAI 设为 星标 第一时间掌握 新鲜的 AI for Science 资讯 编辑 | KX 蛋白质在生物体内扮演着不可或缺的角色，准确预测其功能对于实际应用至关重要。 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时间和资源。目前，许多方法都依赖于蛋白质序列进行预测，而针对蛋白质结构的方法很少。 为了应对这些挑战，东北大学的研究人员 从蛋白质结构出发，提出将卷积神经网络 (CNN）和图卷积网络 (GCN）结合成一个统一框架，称为双模型自适应权重融合网络 (Two-model Adaptive Weight Fusion Network，TAWFN)，用于蛋白质功能预测。 TAWFN 在预测蛋白质结构功能方面表现出了良好的性能，优于现有方法。 相关研究以「 TAWFN: a deep learning framework for protein function prediction 」为题，于 9 月 23 日发布在《 Bioinformatics 》上。 论文链
………………………………
