پیشبینی عمق آمینواسیدها در توالی پروتیین با رویکرد یادگیری ماشین

عمق آمینواسید پارامتری است که به طور غیر مستقیم میزان قرار گرفتن یک آمینواسید در معرض حلال را نشان میدهدو اطلاعات بهدست آمده همبستگی بالایی را با اطلاعات مربوط به سطح دسترسی قسمتهای مختلف مولکول دارا میباشد.این اطلاعات بیانگر محل قرارگیری آمینواسید در فضای ساختاری پروتیین میباشد. پیشبینی عمق آمینواسیدها با دقت بالا اهمیت و کاربردهای فراوانی در شاخه بیوانفورماتیک ساختاری دارد. در این پژوهش روشی موثر با استفاده از ماشینبردار پشتیبان، جهت تعیین رابطه بین توالی و عمق آمینواسیدها معرفی شده است. در روش پیشنهادی از هشت نوع متفاوت ویژگی که از روشهای متفاوت کد کردن بهدست میآیند جهت نمایش توالی پروتیین به صورت سیگنال عددی استفاده میگردد. همچنین عمق آمینواسیدها در چهار بازهی سطحی، نیمهسطحی، میانی و عمیق در نظر گرفته شدهاست. با توجه به ویژگیهای مربوطه و بازههای تعریف شده برای عمق آمینواسید، مدلی جهت طبقهبندی آمینواسیدها دریک رشته پروتیینی ساخته شد. دقت کلی روش پیشنهادی برای چهار بازه عمق تعریف شده برابر با62/2درصد بدست آمد. بهبود قابل توجه نتایج بهدست آمده نسبت به روشهای پیشین نشان از قدرت بالای روش پیشنهادی در پیشبینی و بکارگیری ویژگیهای مناسب جهت ساخت مدل طبقهبندی میباشد

Keywords:

بیوانفورماتیک , توالی پروتیین , عمق آمینواسید , ماشین بردار پشتیبان