SchNet koristi kompletnu 3D strukturu za predikciju topologije transmembranskih proteina
Novi rad ispituje graph neural network pristup koji za topološku klasifikaciju koristi atom-level embeddinge iz 3D strukture proteina, umesto samo sekvence ili alfa-ugljenika.
Od sekvence ka svim atomima
Autori predstavljaju pristup za predikciju proteinske topologije zasnovan na graph neural network modelu SchNet.
Za razliku od pristupa koji koriste samo proteinsku sekvencu ili alfa-ugljenike, njihov classifier koristi embeddinge na nivou svih atoma.
Isti skup kao DeepTMHMM
Model je treniran na istom skupu koji je korišćen za razvoj novijeg DeepTMHMM sistema, uz petostruku cross-validation proceduru.
Autori navode da i bez pre-trained težina rezultati pokazuju značajan potencijal GNN pristupa za topološke predikcije proteina.
Izvori
Prikazani su izvorni linkovi korišćeni za proveru objavljenih činjenica.