pepnet 0.3.2

预测器api

序列和模型构造都可以由pepnet为您处理 Predictor：

frompepnetimportPredictor,SequenceInput,NumericInput,Outputpredictor=Predictor(inputs=[SequenceInput(length=4,name="x1",variable_length=True),NumericInput(dim=30,name="x2")],outputs=[Output(name="y",dim=1,activation="sigmoid")],dense_layer_sizes=[30],dense_activation="relu")sequences=["ACAD","ACAA","ACA"]vectors=np.random.normal(10,100,(3,30))y=numpy.array([0,1,0])predictor.fit({"x1":sequences,"x2":vectors},y)y_pred=predictor.predict({"x1":sequences,"x2":vectors})["y"]

卷积序列滤波

该模型采用氨基酸序列（最长为50）并应用于 两层9mer卷积，3x maxpooling和2x 中间进行下采样。然后将第二层的激活集合起来 跨越所有序列位置（同时使用平均和最大池）和 传递到名为“y”的单个密集输出节点。

peptide=predictor=Predictor(inputs=[SequenceInput(length=50,name="peptide",encoding="index",variable_length=True,conv_filter_sizes=[9],conv_output_dim=8,n_conv_layers=2,global_pooling=True)],outputs=[Output(name="y",dim=1,activation="sigmoid")])

人工索引编码肽

用1-21（0表示 填充）

frompepnet.encoderimportEncoderencoder=Encoder()X_index=encoder.encode_index_array(["SYF","GLYCI"],max_peptide_length=9)

人工热编码肽

用一个二进制向量表示每个氨基酸，其中只有一个项是 1，其余为0。

frompepnet.encoderimportEncoderencoder=Encoder()X_binary=encoder.encode_onehot(["SYF","GLYCI"],max_peptide_length=9)

肽的fofe编码

从A Fixed-Size Encoding Method for Variable-Length Sequences with its Application to Neural Network Language Models

frompepnet.encoderimportEncoderencoder=Encoder()X_binary=encoder.encode_FOFE(["SYF","GLYCI"],bidirectional=True)

示例网络

卷积模型的示意图：