本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：工作論文
- 編號：工作論文 #1269
- 日期：2026-03-18
摘要
最近，人們對推導和應用基於知識的、經驗的蛋白質潛在功能產生了極大的興趣。這些經驗勢源自於相互作用的、空間相鄰殘基的統計數據，如可以從已知蛋白質晶體結構的資料庫中獲得的。在本文中，我們利用神經網路從判別函數的角度重新定義經驗勢函數。這種方法概括了先前的工作，其中在已知蛋白質結構的資料庫上使用簡單的頻率計數統計。這種概括使我們能夠避免嚴格成對互動的限制。現在，我們不再用頻率計數來固定可調整的參數，而是優化涉及神經網路參數化機率分佈的目標函數。我們展示了我們的方法如何在特殊情況下簡化為先前的工作，但也允許擴展以包括除成對交互之外的交互順序。考慮到蛋白質的緊密堆積、空間交互作用等，包含高階交互作用對於開發準確的電位至關重要。我們提倡的方法的一個關鍵特徵是開發一種表示來描述存在於每個殘基周圍小固定半徑球體中的相互作用殘基的空間位置。這是一個「形狀表示」問題，對於蛋白質殘基的相互作用鄰域有一個自然的解決方案。我們在一系列數值實驗中證明，神經網路方法比以前僅限於成對交互作用的方法所獲得的辨別能力有所提高。