【出 处】：

【作 者】： 张安胜 ; 王爱平

【摘 要】 后基因组时代的到来,蛋白质的数据量急剧增长。为对蛋白质结构进行准确预测,提出了一种深度学习的方法,来预测蛋白质的二级结构分类问题。采用由近似熵、疏水模式以及图像特征组成的伪氨基酸组分方法,来提取蛋白质序列的特征;预测模型采用了5层的深度玻尔兹曼机（DBM）＋分类层,5层的DBM组成了4个RBM,分类层采用softmax分类器;同时采用了非监督学习和监督学习作为预测模型的训练策略。与现有预测方法相比,提出的预测方法,比目前较好的支持向量机（SVM）,人工神经网络（ANN）精度均要高。实验结果表明,提出的改进方法具有很好的可行性和有效性。