通过基于语言模型的知识嵌入和机器学习技术提升蛋白质亚细胞定位预测的准确性

《Analytical Biochemistry》：Enhancing Protein Subcellular Localization Prediction through Language Model-Based Knowledge Embeddings and Machine Learning Techniques

　　

Karthik Avinash|S. Tejas|Sriram Mamidala|Manjunath Vanahalli|Gokul S. Krishnan|Sanjay Bankapur

• •
  系统评估了五种主流蛋白质语言模型（PLMs）在多标签蛋白质亚细胞定位（PSCL）预测中的表现。
• •
  对五种机器学习分类器进行了全面的性能比较，以确定最佳模型配置。
• •
  深入分析了基于编码器和解码器的PLM架构的相对有效性，以及不同分类器复杂度的影响。
• •
  将ESM-2嵌入与非线性支持向量机（SVM）结合使用，在Swiss-Prot数据集上建立了新的严格准确性基准。