Current Result Document :
| 한글제목(Korean Title) |
트랜스포머 모델을 활용한 드노보 펩타이드 서열 분석 |
| 영문제목(English Title) |
De Novo Peptide Sequencing by Transformer |
| 저자(Author) |
황득연
한승도
이상정
김현우
박희진
Deukyeon Hwang Seungdo Han
Sangjeong Lee
Hyunwoo Kim
Heejin Park
|
| 원문수록처(Citation) |
VOL 48 NO. 02 PP. 1351 ~ 1353 (2021. 12) |
한글내용
(Korean Abstract) |
드노보를 활용한 펩타이드 시퀀싱은 펩타이드 서열 분석을 위해 자주 사용되는 방법 중 하나로, 스펙트럼의 m/z 및 intensity 등 고유한 특징을 이용하여 펩타이드를 분석하는 방법이다. 현재는 드노보 펩타이드 서열 분석을 CNN, RNN, LSTM등을 통해 분석하는 방법들이 여러 논문에서 소개되고 있다. 본 논문에서는 구글의 신경망 모델인 트랜스포머 모델을 펩타이드 서열 분석에 활용하였다. 트랜스포머 모델에 적용하기 위해서 총 약 400만개의 데이터들 중 스코어 순으로 선별하여 tfrecord 파일을 통해 학습 데이터셋과 검증 데이터셋을 나누어 저장하였고, 약 3주간 학습을 진행하였다. 실험 결과 아미노산 단계의 정확도는 약 71%이며 펩타이드 단계의 정확도는 약 15%를 보였다. 펩타이드 단계의 정확도가 높은 정확도는 아니었지만 학습을 진행하면서 많은 학습효과를 보였기 때문에 앞으로 더 다양하게 하이퍼 파라미터와 더 많은 데이터를 통해서 추가적인 학습을 진행한다면 더 높은 정확도를 보일 것이라고 판단한다. |
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
