提出了一种基于深度学习的DNA结合蛋白识别方法(DBP-DenseNet)。以稠密网络代替传统的金字塔式卷积神经网络(CNN)结构,将上一层的特征信息整合到下一层,利用层间的特征融合来学习整个氨基酸序列的综合特征;由双向长短期记忆网络(Bi-LSTM)负责在氨基酸序列上下文中获取长期依赖关系。实验结果表明,稠密连接可以有效提高模型的特征表达能力。
科研之友
微信
新浪微博
Facebook
分享链接
