💡
原文中文，约2700字，阅读约需7分钟。
📝
内容提要
东北大学研究人员开发了一种新型蛋白质功能预测方法，称为双模型自适应权重融合网络（TAWFN）。该方法结合卷积神经网络和图卷积网络，利用蛋白质结构和语言模型进行预测，表现优于现有方法，并在多个任务中取得高性能指标。
🎯
关键要点
-
东北大学研究人员开发了一种新型蛋白质功能预测方法，称为双模型自适应权重融合网络（TAWFN）。
-
TAWFN结合了卷积神经网络（CNN）和图卷积网络（GCN），利用蛋白质结构和语言模型进行预测。
-
目前许多方法依赖于蛋白质序列进行预测，针对蛋白质结构的方法较少。
-
单独使用CNN或GCN存在信息丢失和特征表示不完整的问题。
-
TAWFN通过集成CNN和GCN，利用蛋白质结构和语言模型，解决了这些问题。
-
TAWFN的结构包括输入数据生成模块、基于GCN的AGCN模块、基于CNN的MCNN模块和自适应融合模块。
-
实验结果表明，TAWFN在多个任务中表现优于现有方法，具有出色的通用性和可解释性。
-
TAWFN在PDBset和AFset数据集上的评估指标Fmax、Smin和AUPR均优于基线方法。
-
消融研究表明，MCNN和AGCN的结合提高了蛋白质功能预测的性能。
-
未来研究目标是引入更多可学习的特征，利用多视图技术，预测新的蛋白质结构。
➡️
