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

سال انتشار: 1400
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 64

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CSICC27_040

تاریخ نمایه سازی: 3 خرداد 1401

چکیده مقاله:

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

نویسندگان

مهدی پورمیرزایی

دانشگاه تربیت مدرس، تهران

فرزانه اسمعیلی

دانشگاه تربیت مدرس، تهران

الهام یاوری

دانشگاه تربیت مدرس، تهران