Prediction of Protein Molecular Functions Using Transformers

Autor(es)

de Mello, Felipe Lopes ; de Oliveira, Gabriel Bianchin ; Pedrini, Helio ; Dias, Zanoni ; Rutkowski, L ; Scherer, R ; Korytkowski, M ; Pedrycz, W ; Tadeusiewicz, R ; Zurada, JM

• Tipo de documento: Artigo Científico
• Fonte: ARTIFICIAL INTELLIGENCE AND SOFT COMPUTING, ICAISC 2022, PT II; v. 13589, p. 9-pg., 2023-01-01.

Resumo

At the end of 2021, there were more than 200 million proteins in which their molecular functions were still unknown. As the empirical determination of these functions is slow and expensive, several research groups around the world have applied machine learning to perform the prediction of protein functions. In this work, we evaluate the use of Transformer architectures to classify protein molecular functions. Our classifier uses the embeddings resulting from two Transformer-based architectures as input to a Multi-Layer Perceptron classifier. This model got Fmax of 0.562 in our database and, when we applied this model to the same database used by DeepGOPlus, we reached the value of 0.617, surpassing the best result available in the literature. (AU)

• 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
• 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: 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: 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