arXiv cs.AI· Domenico Amato, Salvatore Calderaro, Giosu\`e Lo Bosco, Riccardo Rizzo, Filippo Vella·· 1 天前AI 评分24
GraphTFactor：基于图的蛋白质转录因子预测框架
GraphTFactor: A graph-based approach for proteins transcription factor prediction
AI 导读
GraphTFactor 是一个将蛋白质序列建模为图结构、直接分类转录因子的端到端框架，可自然处理变长输入且不施加长度约束。实验显示其在基准数据集上优于现有方法，并能给出对预测有贡献的序列区域的可解释性洞察。团队同时开源了软件包和交互式网页应用，支持用户对自定义序列进行转录因子预测。
正文 · AI 翻译
摘要：转录因子（TFs）在调控基因表达中发挥重要作用，因此其识别是计算生物学中的一项基础任务。在本工作中，我们提出了 GraphTFactor，这是一个新颖的端到端框架，将蛋白质序列建模为图并直接对转录因子进行分类。通过将序列编码为图结构，所提出的方法能够自然地处理变长输入，同时保留相关的关系信息，且不受长度约束。实验结果表明，GraphTFactor 在基准数据集上优于最先进的方法，证明了基于图的表示在 TF 预测中的有效性，同时提供了对模型预测所依据的序列区域的可解释性见解。为支持可复现性和实际应用，我们发布了一个开源软件包和一个交互式 Web 应用，使用户能够轻松地对自定义序列进行 TF 预测。
| 主题： | 定量方法（q-bio.QM）；人工智能（cs.AI）；机器学习（cs.LG） |
| 引用为： | arXiv:2610.40867 [q-bio.QM] |
| （或 arXiv:2610.40867v1 [q-bio.QM] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.40867 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Salvatore Calderaro Dr [查看电子邮件]
[v1]
2026年10月29日 星期四 18:45:22 UTC（2,939 KB）
来源：arXiv cs.AI · arxiv.org