Улучшение предсказания функций белков с помощью глубокого обучения с использованием поискового расширения

Легче сразу спросить 💭

AI снижает операционные расходы на 20–40% 📊 за 6 месяцев. А что бы вы сделали с этими деньгами?

Опишите задачу — обсудим, как это можно реализовать у вас.

ИИ автоматизирует 70% рутинных задач 🤖 за 3 месяца. Какие процессы в вашем бизнесе скинуть роботу?
Персонализированные AI-кампании увеличивают клиентскую базу на 30% 📈. Как это работает?
AI-аналитика сокращает ошибки в прогнозах на 50% 📉. Расскажите подробнее!
 ProtEx: Enhancing Protein Function Prediction with Retrieval-Augmented Deep Learning

«`html

ПротЕкс: улучшение прогнозирования функций белков с помощью глубокого обучения с повышенным извлечением

Прогнозирование функций белков: проблема и решение

Протеины выполняют разнообразные функции в организмах, и для биологии важно связать последовательности белков с их биологическими функциями. Это можно сделать с помощью онтологий, таких как термины Gene Ontology (GO), номера Enzyme Commission (EC) и семейства Pfam. Для этого используются вычислительные методы, включая методы на основе гомологии и глубокого обучения, такие как методы глубокого обучения, использующиеся для прямого прогнозирования функций из последовательностей. Одной из проблем является прогнозирование функций для новых классов белков и работа с последовательностями, которые не имеют сходства с известными последовательностями, известных как «тёмная материя» белковой вселенной.

ПротЕкс: метод для улучшения прогнозирования функций белков

ПротЕкс представляет собой метод прогнозирования функций белков, использующий экземпляры из базы данных для улучшения точности, надежности и обобщения к новым классам белков. Он объединяет методы на основе гомологии и методы глубокого обучения, используя инструменты, такие как BLAST, для извлечения положительных и отрицательных экземпляров и обучая нейронную модель для сравнения этих экземпляров с запросом.

Применение ПротЕкс в практике

ПротЕкс был оценен на нескольких наборах данных и показал улучшенные результаты по сравнению с предыдущими методами. Он также достиг состояния искусства на наборе данных Pfam, демонстрируя последовательную точность в классификации общих и редких семейств белков. Метод был предварительно обучен на парах последовательностей и дообучен с использованием архитектуры T5 Transformer.

Использование ИИ для вашего бизнеса

Если вы хотите улучшить свой бизнес с помощью ИИ, обращайтесь к нам. Мы поможем вам анализировать возможности применения автоматизации, определить ключевые показатели эффективности, подобрать подходящее решение и внедрить ИИ постепенно.

Попробуйте нашего AI ассистента в продажах AI Sales Bot, который поможет вам снизить нагрузку на первую линию и повысить эффективность вашего отдела продаж.

Подпишитесь на наш Телеграм-канал и следите за новостями о ИИ и событиями в Twitter @itinairu45358.

«`

Полезные ссылки:

Новости в сфере искусственного интеллекта