清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

A protein fitness predictive framework based on feature combination and intelligent searching

特征选择 计算机科学 特征(语言学) 一般化 人工智能 特征工程 蛋白质工程 适应度函数 过程(计算) 机器学习 序列(生物学) 模式识别(心理学) 深度学习 生物 数学 哲学 数学分析 操作系统 生物化学 酶 遗传学 语言学 遗传算法
作者
Zhihui Zhang,Zhixuan Li,Qianyue Wang,Hanlin Wu,Manli Yang,Fengguang Zhao,Mingkui Tan,Shuangyan Han
出处
期刊:Protein Science [Wiley]
卷期号:33 (12) 被引量:3
标识
DOI:10.1002/pro.5211
摘要

Abstract Machine learning (ML) constructs predictive models by understanding the relationship between protein sequences and their functions, enabling efficient identification of protein sequences with high fitness values without falling into local optima, like directional evolution. However, how to extract the most pertinent functional feature information from a limited number of protein sequences is vital for optimizing the performance of ML models. Here, we propose scut_ProFP (Protein Fitness Predictor), a predictive framework that integrates feature combination and feature selection techniques. Feature combination offers comprehensive sequence information, while feature selection searches for the most beneficial features to enhance model performance, enabling accurate sequence‐to‐function mapping. Compared to similar frameworks, scut_ProFP demonstrates superior performance and is also competitive with more complex deep learning models—ECNet, EVmutation, and UniRep. In addition, scut_ProFP enables generalization from low‐order mutants to high‐order mutants. Finally, we utilized scut_ProFP to simulate the engineering of the fluorescent protein CreiLOV and highly enriched mutants with high fluorescence based on only a small number of low‐fluorescence mutants. Essentially, the developed method is advantageous for ML in protein engineering, providing an effective approach to data‐driven protein engineering. The code and datasets for scut_ProFP are available at https://github.com/Zhang66-star/scut_ProFP .
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
完美世界的应助被Aman采纳,获得10
2秒前
烂漫的慕卉完成签到,获得积分10
4秒前
yli130完成签到,获得积分10
10秒前
听话的秋白完成签到,获得积分10
10秒前
huangbs完成签到 ,获得积分10
13秒前
威武的碧玉完成签到,获得积分10
30秒前
alei089完成签到 ,获得积分10
31秒前
36秒前
李木禾完成签到 ,获得积分10
38秒前
李S完成签到 ,获得积分10
41秒前
Aman发布了新的文献求助10
43秒前
雪白的魔镜完成签到,获得积分10
46秒前
大意的山水完成签到,获得积分10
46秒前
开放的蚂蚁完成签到,获得积分10
54秒前
wwrjj完成签到,获得积分0
57秒前
SongXJ完成签到 ,获得积分10
1分钟前
多情敏完成签到,获得积分10
1分钟前
迅速的书雁完成签到,获得积分10
1分钟前
鲤鱼从安完成签到,获得积分10
1分钟前
积极的一江完成签到,获得积分10
1分钟前
无私的迎蓉完成签到,获得积分10
1分钟前
危机的曼卉完成签到,获得积分10
1分钟前
zhangguo完成签到 ,获得积分10
2分钟前
落后的山槐完成签到,获得积分10
2分钟前
Imran完成签到,获得积分10
2分钟前
虚拟的白云完成签到,获得积分10
2分钟前
甜甜的文轩完成签到,获得积分10
2分钟前
FashionBoy的应助被牛魔采纳,获得10
2分钟前
2分钟前
牛魔发布了新的文献求助10
2分钟前
动听的诗翠完成签到,获得积分10
2分钟前
细腻海瑶完成签到,获得积分10
2分钟前
vitamin完成签到 ,获得积分0
2分钟前
不安荟完成签到,获得积分10
2分钟前
fys131415完成签到 ,获得积分10
2分钟前
呆萌的孤云完成签到,获得积分10
3分钟前
3分钟前
嘻嘻发布了新的文献求助10
3分钟前
华无剑的应助被研友_闾丘枫采纳,获得10
3分钟前
Shiyuzz完成签到 ,获得积分10
3分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1500
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
John McDowells Bildungstheorie 800
八旗制度の研究 600
Analyses de reconnaissances de dettes passées devant les échevins d'Ypres (1249-1291) 600
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8159011
求助须知:如何正确求助?哪些是违规求助? 9554538
关于积分的说明 21719454
捐赠科研通 7748561
什么是DOI,文献DOI怎么找? 3427123
关于科研通互助平台的介绍 2552021
邀请新用户注册赠送积分活动 2471370