مروری بر روش های محاسباتی و یادگیری ماشینی پیش بینی جایگاه های قابل فسفریله پروتئین ها

فسفوریالسیون یکی از مهمترین تغییرات پس از ترجمه سلول است که طی این فرآیند گروه های فسفری به جایگاه های خاصی از آمینواسیدها وصل میشوند. فسفریالسیون نقش مهمی در اهداف دارویی و فرآیندهای بیولوژیکی بدن دارد. در سال های اخیر روش های محاسباتی و یادگیری ماشینی به عنوان اصلی ترین روش ها برای پیشبینی جایگاه ها استفاده شده اند. روشهای محاسباتی برای پیش-بینی جایگاه فسفوریالسیون نقش مهمی در مطالعات عملکرد پروتئین ها دارند. این روشها عموما از استخراج ویژگی های متفاوت برای حل مساله استفاده میکنند. از طرفی روش های یادگیری ماشینی به دو رویکرد تقسیم شده اند: رویکرد کلاسیک و رویکرد یادگیری انتها به انتها. در این مقاله ابتدا پایگاه داده های اصلی موجود برای پیش بینی جایگاه فسفوریله مشخص و برررسی شده است. سپس روش-های استخراج ویژگی در کنار روش های محاسباتی و یادگیری ماشینی مقایسه و تشریح شده است

Keywords:

پیشبینی جایگاه , فسفریالسیون , روش های محاسباتی , یادگیری ماشینی , یادگیری ژرف.