Comparison_GO_annotation_systems:该存储库提供有关蛋白质序列的所选GO分类器之间进行比较的相关信息 源码

由于最近的高通量测序技术,蛋白质功能预测是基因组注释的关键部分,已经得到了突飞猛进的发展。 在存储蛋白质功能术语的可用数据库中,基因本体论(GO)是用于描述功能特性的最杰出和最普遍的资源。 同时,深度学习是数据驱动方法中快速发展的学科,在对氨基酸序列的GO术语进行分类方面正发挥着令人印象深刻的潜力。 因此,我们想对蛋白质的计算GO注释方法(从传统方法到深度学习方法)进行综述。 在经过审查的工具中,我们选择一些合适的预测变量,并进行小型比较,以基于全球挑战的方式比较它们的性能。 最后,我们讨论了仍然存在的主要挑战,并强调了GO预测蛋白质功能的未来方向。 可以在下面的链接中找到此比较中使用的数据集(最终基准CAFA3): ://figshare.com/articles/dataset/Supplementary_data/8135393/3 在此比较中使用的GO批注系统: PFP: