• 제목/요약/키워드: ALBERT

검색결과 233건 처리시간 0.024초

High Level Expression of a Protein Precursor for Functional Studies

  • Gathmann, Sven;Rupprecht, Eva;Schneider, Dirk
    • BMB Reports
    • /
    • 제39권6호
    • /
    • pp.717-721
    • /
    • 2006

  • In vitro analyses of type I signal peptidase activities require protein precursors as substrates. Usually, these pre-proteins are expressed in vitro and cleavage of the signal sequence is followed by SDS polyacrylamide gel electrophoresis coupled with autoradiography. Radioactive amino acids have to be incorporated in the expressed protein, since the amount of the in vitro expressed protein is usually very low and processing of the signal peptide cannot be followed by SDS polyacrylamide gel electrophoresis alone. Here we describe a rapid and simple method to express large amounts of a protein precursor in E. coli. We have analyzed the effect of ionophors as well as of azide on the accumulation of expressed protein precursors. Azide blocks the function of SecA and the ionophors dissipate the electrochemical gradient across the cytoplasmic membrane of E. coli. Addition of azide ions resulted in the formation of inclusion bodies, highly enriched with pre-apo-plastocyanine. Plastocyanine is a soluble copper protein, which can be found in the periplasmic space of cyanobacteria as well as in the thylakoid lumen of cyanobacteria and chloroplasts, and the pre-protein contains a cleavable signal sequence at its N-terminus. After purification of cyanobacterial pre-apo-plastocyanine, its signal sequence can be cleaved off by the E. coli signal peptidase, and protein processing was followed on Coomassie stained SDS polyacrylamide gels. We are optimistic that the presented method can be further developed and applied.

  • https://doi.org/10.5483/BMBRep.2006.39.6.717 인용 PDF

InferSent를 활용한 오픈 도메인 기계독해 (Open Domain Machine Reading Comprehension using InferSent)

  • 김정훈;김준영;박준;박성욱;정세훈;심춘보
    • 스마트미디어저널
    • /
    • 제11권10호
    • /
    • pp.89-96
    • /
    • 2022

  • 오픈 도메인 기계독해는 질문과 연관된 단락이 존재하지 않아 단락을 검색하는 검색 기능을 추가한 모델이다. 문서 검색은 단어 빈도 기반인 TF-IDF로 많은 연구가 진행됐으나 문서의 양이 많아지면 낮은 성능을 보이는 문제가 있다. 아울러 단락 선별은 단어 기반 임베딩으로 많은 연구가 진행됐으나 문장의 특징을 가지는 단락의 문맥을 정확히 추출하지 못하는 문제가 있다. 그리고 문서 독해는 BERT로 많은 연구가 진행됐으나 방대한 파라미터로 느린 학습 문제를 보였다. 본 논문에서는 언급한 3가지 문제를 해결하기 위해 문서의 길이까지 고려한 BM25를 이용하며 문장 문맥을 얻기 위해 InferSent를 사용하고, 파라미터 수를 줄이기 위해 ALBERT를 이용한 오픈 도메인 기계독해를 제안한다. SQuAD1.1 데이터셋으로 실험을 진행했다. 문서 검색은 BM25의 성능이 TF-IDF보다 3.2% 높았다. 단락 선별은 InferSent가 Transformer보다 0.9% 높았다. 마지막으로 문서 독해에서 단락의 수가 증가하면 ALBERT가 EM에서 0.4%, F1에서 0.2% 더 높았다.

  • https://doi.org/10.30693/SMJ.2022.11.10.89 인용 PDF KSCI