由韩国高级科学技术研究所 深度行动者的网络架构
使用三个并行子网处理输入蛋白质序列
学分:韩国高级科学技术学院
KAIST和UCSD的一个联合研究小组开发了一个名为DeepTFactor的深度神经网络，它可以从蛋白质序列中预测转录因子。
深度行动者将成为理解生物体调节系统的有用工具，加速利用深度学习解决生物学问题
转录因子是一种与脱氧核糖核酸序列特异性结合以控制转录起始的蛋白质
分析转录调控有助于理解生物如何控制基因表达以应对遗传或环境变化
在这方面，发现生物体的转录因子是分析生物体转录调节系统的第一步
以前，转录因子是通过分析与已经表征的转录因子的序列同源性或通过数据驱动的方法如机器学习来预测的
传统的机器学习模型需要严格的特征选择过程，该过程依赖于领域专业知识，例如计算分子的物理化学性质或分析生物序列的同源性
同时，深度学习可以固有地学习特定任务的潜在特征
由博士组成的联合研究小组
D
凯思特大学化学与生物分子工程系的候选人金吉培和杰出教授李尚宇，以及高叶和伯恩哈德·奥教授
加州大学圣地亚哥分校生物化学工程系的帕尔松报道了一种基于深度学习的转录因子预测工具
他们的研究论文“深度转录因子:一种基于深度学习的转录因子预测工具”在PNAS在线发表
他们的文章报道了DeepTFactor的开发，DeepTFactor是一种基于深度学习的工具，它使用三个并行的卷积神经网络来预测给定的蛋白质序列是否是转录因子
联合研究小组使用DeeptActor预测了大肠杆菌K-12 MG1655的332个转录因子，并通过实验证实了三个预测的转录因子(YqhC、YiaU和YahB)的全基因组结合位点来验证DeeptActor的性能
联合研究小组进一步使用显著性方法来理解DeepTFactor的推理过程
研究人员证实，尽管在训练过程中没有明确给出转录因子的脱氧核糖核酸结合域的信息，但DeepTFactor隐含地学习并使用它们进行预测。
与以前仅针对特定生物的蛋白质序列开发的转录因子预测工具不同，DeepTFactor有望以高水平的性能用于所有生物转录系统的分析
著名教授桑又利说:“DeepTFactor可以用来从大量尚未被鉴定的蛋白质序列中发现未知的转录因子
预计DeepTFactor将成为分析感兴趣的生物体的调节系统的重要工具
"
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
