基于强关联神经网络的蛋白质结构预测与反向设计

【作者】 李剑锋； 张红东； 陈征宇；

【机构】 复旦大学高分子科学系聚合物分子工程国家重点实验室； Department of Physics and Astronomy, University of Waterloo；

【摘要】 自从深度学习在围棋竞技等领域取得成功后,获得了极大关注。人们也正在将深度学习引入到化学研究中来,在此过程中通常遇到的第一问题是:如何在深度学习中恰当地表征一个分子基团。本工作探讨了一种全新的表征方法,用一个个子神经网络代替静态向量来表征不同的分子基团。子网络的输入相当于环境作用,子网络输出相当于该环境下分子基团的属性。然后再通过一个强关联网络在属性与环境作用间建立起强关联,从而大大提高网络的预测能力。我们将此想法运用于预测HP蛋白质结构及其的反向设计中,取得了很好的结果。此外,该方法非常适合于解决与简并有关的问题。更多还原