| Texto completo | |
| Autor(es): |
de Oliveira, Gabriel Bianchin
;
Pedrini, Helio
;
Dias, Zanoni
;
Xavier-Junior, JC
;
Rios, RA
Número total de Autores: 5
|
| Tipo de documento: | Artigo Científico |
| Fonte: | INTELLIGENT SYSTEMS, PT II; v. 13654, p. 11-pg., 2022-01-01. |
| Resumo | |
The next-generation sequencing technologies decreased the cost of protein sequence identification. However, the cost of determining protein functions is still high, due to the laboratory methods needed. With that, computational models have been used to annotate protein functions. In this work, we present and discuss a new approach for protein Molecular Function prediction based on Transformers embeddings. Our method surpassed state-of-the-art classifiers when it used only the amino acid sequence as input and when it employed amino acid sequence and homology search in F-max and AuPRC metrics. (AU) | |
| Processo FAPESP: | 17/12646-3 - Déjà vu: coerência temporal, espacial e de caracterização de dados heterogêneos para análise e interpretação de integridade |
| Beneficiário: | Anderson de Rezende Rocha |
| Modalidade de apoio: | Auxílio à Pesquisa - Temático |
| Processo FAPESP: | 19/20875-8 - Classificação de imagens de radiografias de tórax utilizando redes neurais profundas |
| Beneficiário: | Vinicius Teixeira de Melo |
| Modalidade de apoio: | Bolsas no Brasil - Mestrado |
| Processo FAPESP: | 15/11937-9 - Investigação de problemas difíceis do ponto de vista algorítmico e estrutural |
| Beneficiário: | Flávio Keidi Miyazawa |
| Modalidade de apoio: | Auxílio à Pesquisa - Temático |
| Processo FAPESP: | 17/16246-0 - Análise de mídias sensíveis usando arquiteturas de aprendizado profundo |
| Beneficiário: | Sandra Eliza Fontes de Avila |
| Modalidade de apoio: | Auxílio à Pesquisa - Regular |