深度学习在蛋白质功能预测中的应用

宋益东, 袁乾沐, 杨跃东

The application of deep learning in protein function prediction

Yidong SONG, Qianmu YUAN, Yuedong YANG

表3 最新GO预测类方法总结

Tab. 3 The summary of the latest GO prediction methods

方法 年份 特征 算法 是否开源1 基于序列 GOLabeler 2018 GO词频，序列对比信息， 氨基酸三联体（3-mer）， 蛋白家族信息， 结构域和基序，ProFET[58]序列特征 LTR S, C DeepGOPlus 2020 基于序列和基序的功能信息 CNN S, C TALE[25] 2021 one-hot蛋白序列，GO层次结构矩阵、序列相似性 Transformer+CNN C GAT-GO 2022 one-hot蛋白序列，PSSM，HMM，ESM-1b嵌入信息 GAT DeeProtGO[72] 2022 SeqVec序列嵌入、序列相似性、物种分类、InterPro蛋白结构域和蛋白家族信息、GO注释信息 层次化的全连接神经网络 C 基于结构 COFACTOR[73] 2017 蛋白序列、结构信息和PPI网络 序列比对+结构比对+基于网络邻居的功能聚合 S DeepFRI 2021 蛋白质接触图，语言模型特征 GCN S, C 基于网络 DeepGO[74] 2018 蛋白序列，PPI网络 CNN+层次化的全连接神经网络 S, C NetGO 2019 GO词频，序列对比信息，氨基酸三联体（3-mer），蛋白家族信息，结构域和基序，ProFET[58]序列特征，蛋白质相互作用网络 LTR S NetGO 2.0 2021 GO词频，基于序列信息， 蛋白质相互作用网络， 序列中的深层模式，文献信息 LTR S S2F 2021 同源信息，HMMER特征，InterPro特征，进化信息，PPI网络 label diffusion S, C DeepGraphGO 2021 InterPro特征，PPI网络 GCN C