Current Result Document :
| 한글제목(Korean Title) |
전이학습을 이용한 딥러닝 기반의 드노보 펩타이드 서열 분석 |
| 영문제목(English Title) |
Deep learning-based de novo peptide sequencing using transfer learning |
| 저자(Author) |
김태훈
서성빈
이경준
이상정
김현우
박희진
Taehun Kim
Seongbeen Seo
Gyeongjun Lee
Sangjeong Lee
Hyunwoo Kim
Heejin Park
|
| 원문수록처(Citation) |
VOL 48 NO. 02 PP. 1345 ~ 1347 (2021. 12) |
한글내용
(Korean Abstract) |
단백체학에서는 펩타이드 서열 동정을 위해 펩타이드의 질량 스펙트럼을 분석한다. 본 논문에서는 데이터베이스 없이 질량 스펙트럼을 분석하는 드노보 펩타이드 서열분석에 기계번역 딥러닝 모델인 트랜스포머를 적용했다. 이론 질량 스펙트럼을 이용한 선행 학습 모델을 바탕으로 실제 질량 스펙트럼의 특징 벡터를 추출하여 새로운 모델의 입력 값으로 사용하는 전이 학습을 진행했다. 선행 학습은 이론 질량 스펙트럼 중 m/z 값 만을 입력 값으로 사용했으며, 실제 질량 스펙트럼을 학습할 때는 (m/z, intensity) 쌍의 데이터를 사용해 선행 학습 모델을 거쳐서 나온 m/z의 특징 벡터에 intensity를 임베딩하여 더하는 방법을 사용했다. 아미노산 단계에서 75%의 정확도와 펩타이드 단계에서 26%의 정확도를 보여주어 높은 정확도는 아니지만 트랜스포머 모델을 이용한 펩타이드 서열 분석의 가능성을 볼 수 있었다. 정확도를 높이기 위해 데이터를 추가하고 실제 데이터에 intensity의 정보를 추가하는 여러 방법을 찾아 최적의 하이퍼 파라미터를 구하는 것이 앞으로 연구할 과제이다. |
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
