本文提出一种基于最新图神经网络（GNN）模型 SchNet 的跨膜蛋白拓扑预测方法。我们使用与近期 DeepTMHMM 相同的数据集，并采用 5 折交叉验证进行训练。不同于仅使用蛋白序列或 $\alpha$-碳原子作为特征的传统做法，本文的分类器利用了全部原子级别的嵌入向量。模型在未使用任何预训练权重的情况下完成训练，实验结果表明 GNN 在拓扑预测任务中具有很大潜力。
点评
本文提出一种基于最新图神经网络（GNN）模型 SchNet 的跨膜蛋白拓扑预测方法。我们使用与近期 DeepTMHMM 相同的数据集，并采用 5 折交叉验证进行训练。不同于仅使用蛋白序列或 $\alpha$-碳原子作为特征的传统做法，本文的分类器利用了全部原子级别的嵌入向量。模型在未使用任何预训练权重的情况下完成训练，实验结果表明 GNN 在拓扑预测任务中具有很大潜力。
点评