基于多尺度卷积和循环神经网络的蛋白质二级结构预测

蛋白质的二级结构预测是生物信息学中的一个重要问题。本研究针对传统的蛋白质结构预测模型精度不够高的问题,提出一种端到端的融合多次多尺度卷积和多层次双向长短期记忆网络的模型,充分提取了氨基酸序列的局部和长程的特征信息,进而用于蛋白质的二级结构预测。首先模型分别对氨基酸残基独热序列信息和氨基酸进化结构信息进行多次多尺度卷积提取特征信息,将提取的特征信息与原始序列信息进行融合构成残差模块送入多层双向长短期记忆网络进行局部和长程相互作用,最后送入全连接层进行8类蛋白质二级结构预测。实验结果表明,本研究提出的模型相较于基准方法,提高了8类蛋白质二级结构预测的精度。