Using Auto-Encoders to Create Encodings for Three-Dimensional Protein Structure Information
Notice bibliographique
Résumé
Proteins play a crucial role in various biological processes, serving as the building blocks and machines of life. Therefore, understanding their structure and function is paramount for advancing our knowledge of structural biology. The Protein Data Bank (PDB) [3] files have been an integral part of helping researchers decipher the complex workings of proteins. PDB files provide three-dimensional Cartesian coordinates of protein structures which are used as a stepping stone for other protein structure tools, such as protein classification. Efficient protein classification is vital for organizing and categorizing the large number of proteins discovered to date. It enables researchers to identify functional relationships, predict protein functions, and gain insights into their evolutionary history. However, current protein structural classification systems like CATH [22], SCOP [2] and SCOPe [5] have some limitations, such as complicated protein structure domain descriptions, manual and subjective classification, lack of customizability for users with different classification needs, and handling the increasing volume of protein structure data. Recently, image processing has advanced significantly, mainly due to neural networks such as Convolutional Neural Networks (CNNs) and auto-encoders. This work aims to harness the remarkable success of learned representations and CNNs for image processing by proposing a foundation model for the development of new encodings from three-dimensional protein structure information for various classification needs. The protein encodings will be helpful in other protein structure-related problems such as protein structure prediction, protein function prediction, and drug discovery.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».