文件名称：DeepRTplus:肽保留时间预测的深度（转移）学习
文件大小：66.31MB
文件格式：ZIP
更新时间：2024-06-15 07:31:41
bioinformatics deep-learning proteomics peptides analytical-chemistry
DeepRT（+）：超精确的肽保留预测因子 概述： 通过嵌入的胶囊网络预测肽保留时间。 通过转移学习处理多个LC条件，并使用有限的数据进行预测。 支持不同的LC类型：RPLC，SCX，HILIC等。 提取氨基酸的保留相关特性。 当前精度（R 2 ）：RPLC 0.995，SCX 0.996和HILIC 0.993。 使用RT区分结构相似的肽。 内容： 1安装 git clone https://github.com/horsepurve/DeepRTplus cd DeepRTplus 然后按照DeepRT_install.sh安装先决条件。 请注意，仅测试了PyTorch 0.3.0和0.4.0。 2个脚本来重现结果 2.1 RPLC数据集 让我们看看如何将DeepRT应用于HeLa数据集（包括修改内容）。 只需键入： python data_split.p
【文件预览】：
DeepRTplus-master
----.gitignore(108B)
----pipeline_mod.sh(4KB)
----pipeline_HILIC_emb.sh(2KB)
----data()
--------mod_test_2.txt(11KB)
--------LUNA_HILIC.txt(667KB)
--------mod.txt(108KB)
--------unmod.txt(355KB)
--------README.md(2KB)
--------mod_train_2.txt(97KB)
--------dia.txt(3.46MB)
--------LUNA_SILICA.txt(666KB)
--------Xbridge.txt(736KB)
--------SCX.txt(616KB)
--------ATLANTIS_SILICA.txt(710KB)
----pipeline_ATLANTIS_SILICA_emb.sh(2KB)
----param_cpu()
--------dia_all_epo20_dim24_conv12()
--------dia_all_epo20_dim24_conv8()
--------dia_all_epo20_dim24_conv10()
----epochs()
--------README.md(34B)
----LICENSE(1KB)
----pipeline_unmod.sh(4KB)
----pipeline_Xbridge_emb.sh(2KB)
----capsule_network_emb.py(31KB)
----capsule_network_emb_cpu.py(31KB)
----DeepRT_install.sh(716B)
----README.md(7KB)
----config_backup.py(1KB)
----result()
--------README.md(47B)
----config.py(1KB)
----ensemble_emb.py(3KB)
----ensemble_emb_cpu.py(3KB)
----work()
--------README.md(38B)
----pipeline_mod_cpu.sh(4KB)
----RTdata_emb.py(9KB)
----param()
--------dia_all_epo20_dim24_conv12()
--------dia_all_epo20_dim24_conv8()
--------dia_all_epo20_dim24_conv10()
----modelG2C.py(533B)
----pipeline_mod_trans_emb.sh(7KB)
----img()
--------pip.png(298KB)
----pipeline_SCX.sh(3KB)
----prediction_emb_cpu.py(3KB)
----prediction_emb.py(3KB)
----pipeline_LUNA_SILICA_emb.sh(2KB)
----data_split.py(1KB)
----data_adaption.py(2KB)