Advertisement

论文阅读《Geometric deep learning of RNA structure》

阅读量：

引入了机器学习方法，通过少量的数据学习。只使用原子坐标作为输入。

预测RNA三维结构比预测蛋白质结构更困难。

开发了该评分器ARES（ASSESSMENT ROTATIONAL EQUIVALENT SYSTEM），其输入参数包括每个原子的三维坐标以及对应的化学元素类型。该系统的预测模型与未知真实结构之间的均根方差（RMSD）表现优异。ARES基于深度神经网络构建了该模型，并通过直接分析3D原子结构数据进行学习。其本质适用性非常广泛。

ARES的首层负责采集各节点周围的局部信息，在后续层中则整合并分析所有原子间的相互作用数据。这种配置使得ARES不仅能够预测整体体系的重要性质，在每一步迭代中也能精准捕捉到系统的局部特征及其动态变化机制。

过程：

在训练过程中，ARES系统将每个原子的具体元素类型以及其三维坐标信息作为输入参数。随后，在这一过程中不断更新各原子所处环境下的特征向量。具体而言，在上述步骤完成后会生成一组编码信息来描述各个原子所处的具体环境情况。接下来，在所有原子上计算这些特征向量的均值，并将这些均值传递给后续新增的一系列神经网络层中进行处理。这些神经网络层会根据RNA分子的真实结构数据来计算预测结果（即预测结构模型与真实RNA分子之间的RMSD值），并最终更新整个系统的模型参数以优化预测精度

测试采用Rosetta FARFAR2采样方法从候选的结构中生成了每个RNA的1000个结构模型，并通过ARES评分标准选择出最优模型。

局限性：

该系统基于早期开发的采样方法来生成候选结构模型。未来的相关研究可能会采用ARES作为指导工具。

该系统基于早期开发的采样方法来生成候选结构模型。未来的相关研究可能会采用ARES作为指导工具。

全部评论 (0)

还没有任何评论哟~

相关文章推荐

论文阅读《Geometric deep learning of RNA structure》

引入了机器学习方法，通过少量的数据学习。只使用原子坐标作为输入。 预测RNA三维结构比预测蛋白质结构更困难。 设计了一个原子旋转等变评分器ARES，由每个原子的三维坐标和化学元素类型（输入）指定，AR...

论文阅读：Structure-Driven Representation Learning for Deep Clustering

XiangWang,LipingJing,HuafengLiu,andJianYu.2023.StructureDrivenRepresentationLearningforDeepClusterin...

【论文阅读】a survey of deep active learning

概念： 是从未标记的数据集中选择最有用的样本，并将其交给oracle如专家进行标注，从而在保持性能的同时尽可能降低标注成本。 试图通过标记最少量的样本使得模型的性能收益最大化。 注意： 主动学习无法提...

【论文阅读】Unsupervised Learning of Geometric Sampling Invariant Representations for 3D Point Clouds

摘要 点云由从连续3D对象不规则采样的一组离散点组成。大多数现有的点云学习方法都是在半监督的方式下进行的，但这需要昂贵的人工注释。为此，我们提出了一种新的几何采样不变表示的无监督学习方法，旨在学习图形...

【论文阅读】Learning Factored Representations in a Deep Mixture of Experts

一、背景 深度网络在各种任务中取得了非常好的性能。然而，这些架构的一个基本限制是必须为所有输入执行整个网络。这种计算负担限制了网络规模。在保持低计算成本的同时扩大这些网络的一种方法是增加参数和隐藏单元...

【论文阅读】Communication-Efficient Learning of Deep Networks from Decentralized Data

论文简介：CommunicationEfficientLearningofDeepNetworksfromDecentralizedData——联邦学习的开山之作 论文地址：[[1602.05629]...

【论文阅读】A Generalization Sample Learning Method of Deep Learning for Semantic Segmentation of RS Image

1\.本文贡献 基于深度学习的语义分割方法的性能与训练图像的数量和质量密切相关，因此本文提出了一种新的用于遥感图像语义分割的采样方法——CBR策略，并将该策略集成到CNN方法中，提出GSLCNN框架来...

论文解读（SUBLIME）《Towards Unsupervised Deep Graph Structure Learning》

🚀优质资源分享🚀 学习路线指引（点击解锁）知识定位人群定位 🧡Python实战微信订餐小程序🧡进阶级本课程是pythonflask+微信小程序的完美结合，从项目搭建到腾讯云部署上线，打造一个全...

Deep learning--论文阅读笔记

摘要 深度学习：多个处理层组成的计算模型学习具有多层抽象级别的数据表示。 深度学习在语音识别、视觉对象识别、对象检测等领域已经发挥了重要作用。 通过反向传播算法指导深度学习模型内部的参数调优。 卷积神...

[论文阅读]Relay Backpropagation for Effective Learning of Deep Convolutional Neural Networks

ILRVRC2015sceseclassificationchallenge第一。 arxiv:<https://arxiv.org/abs/1512.05830 ECCV2016: 在类别不平衡时的...