افزایش دقت در پیش بینی حالت ساختار دوم پروتئین ها با استفاده از محاسبات نرم

پیش بینی ساختار دوم پروتئین به مجموعه روش هایی گفته می شود که به تعیین ساختار محلی دوم از روی دنباله آمینواسیدها می پردازند. تعیین ساختار دوم به معنای تعیین مکان مارپیچ های آلفا، صفحات بتا و حلقه های روی رشته آمینواسید است. روش های متعددی برای حل این مسئله پیشنهاد شده است. هدف از این پژوهش ارائه یک روش پیش بینی ساختار دوم پروتئین با استفاده از محاسبات نرم است که از مدل شبکه عصبی برای پیش بینی مقادیر اعتماد استفاده می شود. برای آموزش شبکه عصبی در روش پیشنهادی از الگوریتم ژنتیک استفاده شده است؛ برای تعیین نرخ های جهش و بازترکیب الگوریتم ژنتیک نیز از سیستم فازی استفاده شده است. دلیل استفاده از محاسبات نرم موفقیت چشمگیر آن در حل مسائل مختلف بوده است. از طرفی این روش ترکیب شبکه عصبی با ژنتیک (فازی) برای اولین بار است که در حل مسئله ساختار دوم پروتئین مورد استفاده قرار می گیرد. در روش پیشنهادی یک شبکه عصبی با یک لایه ورودی، یک لایه پنهان و یک لایه خروجی تعریف می کنیم. لایه ورودی پنجره کشویی را در هر ورودی توالی اسید آمینه کد می کند و عنصر مرکزی در پنجره ساخته شده پیش بینی می شود. روش پیشنهادی بر روی مجموعه داده استاندارد اجرا شده و با روش شبکه عصبی معمولی با الگوریتم پس انتشار خطا مورد مقایسه قرار گرفته است. نتایج بر آمده حاکی از آن است که این روش پیشنهادی قادر به تولید نتایج بهتری می باشد.

Keywords:

پیش بینی ساختار دوم پروتئین , محاسبات نرم , شبکه عصبی , الگوریتم ژنتیک , سیستم فازی