انتخاب ویژگی برای پیش بینی عملکرد پروتئین با استفاده از یک رویکردتکاملی

پیشبینی عملکرد پروتئین یکی از مسائل مهم در دانش ژنومیک کاربردی است. شناخت بهتر عملکرد پروتئین ها میتواند عامل پیشرفت دانش بیولوژی و کاربردهای آن از قبیل توسعه داروها و محصولات جدید باشد. کاربرد اساسی پیشبینی عملکرد پروتئین در بیوانفورماتیک، تعییننقش های بیولوژیکی پروتئین ها است. هدف از این پیشبینی، یافتن ساختارهایی در پروتئین ها است که عملکرد آن ها شناخته شده باشد چراکه با شناسایی ساختارهای مشابه، عملکرد پروتئین های جدید پیشبینی شود. روش خوشه بندی سلسله مراتبی دارای محدودیتی است به طوری که اگریک پیشبینی در سطوح بالاتر نادرست باشد، دیگر قابل اصلاح نیست و افزایش تعداد دسته ها در سطوح پایین تر باعث کاهش تعداد نمونه های هر دسته می باشد. اما این دو عامل در دقت پیشبینی در سطوح بالاتر نقش بسیار اساسی دارند؛ بنابراین مسئله اصلی در پیشبینی عملکرد پروتئین،افزایش پیچیدگی مدل های دسته بند در مواجه با تعداد زیاد ویژگی ها است. مسئله انتخاب ویژگی برای افزایش کارایی و بهبود عملکرد دسته بند اهمیت بسزایی دارد. انتخاب ویژگی یک مسئله بهینه سازی چندجمله ای غیرقطعی- سخت است و با توجه به کارایی این الگوریتم ها در حل مسائل بهینه سازی، می توان از الگوریتم های بهینه سازی برای حل مسئله انتخاب ویژگی برای پیشبینی عملکرد پروتئین به کار برد. مسئله انتخاب ویژگیبه عنوان یک مسئله بهینه سازی فرمول بندی شده و سپس جهت حل آن، الگوریتم ترکیبی ژنتیک و فاخته پیشنهاد و پیاده سازی شده است. معیارارزیابی شامل دقت پیشبینی و انتخاب زیرمجموعه با طول کمینه از ویژگی ها، است. نتایج آزمایش ها نشانگر عملکرد بهتر الگوریتم پیشنهادینسبت به الگوریتم های ژنتیک و فاخته است

کلیدواژه ها:

پیشبینی عملکرد پروتئین ، الگوریتم ژنتیک ، الگوریتم فاخته ، انتخاب ویژگی