3D U-Net: A voxel-based method in binding site prediction of protein structure

鉴定(生物学) 计算机科学 人工智能 分割 结合位点 体素 计算生物学 机器学习 网(多面体) 药物发现 数据挖掘 模式识别(心理学) 生物 生物信息学 数学 遗传学 植物 几何学
作者
Alireza Mehri Dehnavi,Fahimeh Ghasemi,Afshin Fassihi,Alireza Mehri Dehnavi
出处
期刊:Journal of Bioinformatics and Computational Biology [World Scientific]
卷期号:19 (02): 2150006-2150006 被引量:15
标识
DOI:10.1142/s0219720021500062
摘要

Binding site prediction for new proteins is important in structure-based drug design. The identified binding sites may be helpful in the development of treatments for new viral outbreaks in the world when there is no information available about their pockets with COVID-19 being a case in point. Identification of the pockets using computational methods, as an alternative method, has recently attracted much interest. In this study, the binding site prediction is viewed as a semantic segmentation problem. An improved 3D version of the U-Net model based on the dice loss function is utilized to predict the binding sites accurately. The performance of the proposed model on the independent test datasets and SARS-COV-2 shows the segmentation model could predict the binding sites with a more accurate shape than the recently published deep learning model, i.e. DeepSite. Therefore, the model may help predict the binding sites of proteins and could be used in drug design for novel proteins.
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
更新
大幅提高文件上传限制,最高150M (2024-4-1)

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
iW完成签到 ,获得积分10
1秒前
我是中国人完成签到,获得积分10
1秒前
2秒前
无辜的尔烟完成签到,获得积分20
4秒前
追寻砖家完成签到 ,获得积分10
6秒前
hanhan发布了新的文献求助10
8秒前
9秒前
MG完成签到,获得积分10
12秒前
科研通AI2S应助牧羊人采纳,获得30
14秒前
Munsey给Munsey的求助进行了留言
15秒前
wswwsw完成签到,获得积分10
15秒前
17秒前
zxc完成签到,获得积分10
18秒前
努力的小狗屁应助聪聪采纳,获得10
18秒前
科研通AI2S应助wswwsw采纳,获得10
19秒前
zw完成签到,获得积分10
19秒前
genomed应助zhaobo采纳,获得10
19秒前
哇咔咔完成签到 ,获得积分10
19秒前
你好完成签到,获得积分20
20秒前
20秒前
Jiaowen发布了新的文献求助10
22秒前
徐璟发布了新的文献求助10
23秒前
謝昂佑完成签到,获得积分20
24秒前
crebHuman发布了新的文献求助10
24秒前
小杨完成签到,获得积分10
24秒前
杜亚完成签到,获得积分10
24秒前
maox1aoxin应助vicky采纳,获得60
26秒前
27秒前
Qiao发布了新的文献求助10
29秒前
kaida完成签到 ,获得积分10
30秒前
carol7298完成签到 ,获得积分10
31秒前
落沧发布了新的文献求助30
31秒前
Lucas应助WTT采纳,获得10
32秒前
33秒前
llei完成签到,获得积分10
33秒前
猴猴猴小妞完成签到,获得积分10
34秒前
34秒前
聪聪完成签到,获得积分10
35秒前
37秒前
宇麦达完成签到,获得积分10
37秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 1000
Smart but Scattered: The Revolutionary Executive Skills Approach to Helping Kids Reach Their Potential (第二版) 1000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3245744
求助须知:如何正确求助?哪些是违规求助? 2889446
关于积分的说明 8258420
捐赠科研通 2557794
什么是DOI,文献DOI怎么找? 1386625
科研通“疑难数据库(出版商)”最低求助积分说明 650327
邀请新用户注册赠送积分活动 626675