DeepRTplus:肽保留时间预测的深度（转移）学习

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