目前，人们对去磷酸化及其作用的关注很少。迄今为止，去磷酸化位点预测工具仅限于少数酪氨酸磷酸酶。为了填补这一知识空白，本文采用了一种迁移学习策略来开发一种基于深度学习的模型来预测可能被去磷酸化的位点。基于独立的测试结果，本文的模型DTL-DephosSite在灵敏度（SN），特异性（SP）和Matthew相关系数（MCC）方面表现优异。

论文链接：

https://pubmed.ncbi.nlm.nih.gov/34249915/

本文描述了一种将深度学习与迁移学习相结合的策略，以开发S / T和Y残基的一般去磷酸化位点预测模型。由此产生的模型，称为DTL-DephosSite-ST和DTL-DephosSite-Y，是第一个S/T 和Y去磷酸化位点预测模型，且有较好的性能。本文实验结果表明，迁移学习产生的模型明显优于仅使用Bi-LSTM开发的模型。

在迁移学习期间，需要回答三个重要问题：（a）转移什么，（b）何时转移，以及（c）如何转移。为了允许本文的框架容纳较小的数据集，本文应用了两步迁移学习方案，其中包括一个预训练步骤和一个微调步骤（图3）。预训练步骤将生成一个源模型，然后通过微调来适应目标数据集。