پیشبینی گلیکاسیون در پروتئینها با استفاده از روشهای یادگیری ماشین

یکی از مهمترین فرایندهای شناخته شده برای سازماندهی ساختاری و در نتیجه عملکرد پروتئینها، تغییرات پس از ترجمه نام دارد. در مطالعات اخیر، بهطورکلی بیش از ۶۵۰ نوع تغییر پس از ترجمه شناسایی شده است. بررسی این فرایندها در شناسایی سازوکار و درمان بیماریهایی مانند انواع سرطان، دیابت و بیماریهای قلبی - عروقی حائز اهمیت است. گلیکاسیون یکی از تغییرات پس از ترجمه است که به دلیل ارتباط آن با فرایند پیری، سرطان و دیابت، اهمیت باایی دارد. باتوجهبه هزینه و زمان بر بودن روشهای تجربی مانند اسپکترومتری جرمی ، روشهای محاسباتی بهعنوان جایگزینی برای این روشها مورداستفاده قرار گرفتهاند. در این مطالعه با استفاده از استخراج ویژگیهایCKSAAP، DDE، AAC و AAindex و الگوریتمهای RF و XGB و KNN و با استفاده از ترکیب الگوریتمها به بررسی و پیشبینی جایگاه گلیکاسیون بر روی پروتئینها پرداخته شد. مدلهای پیشبینی برای گلیکاسیون بر روی پروتئینها به ترتیب با حساسیت، اختصاصیت و دقت پیشبینی ۷۰.۰% ، ۸۳.۰% ، ۷۵.۰% ایجاد شد.

کلیدواژه ها:

گلیکاسیون ، یادگیری ماشین ، تغییرات پس از ترجمه ، استخراج ویژگی ، ویژگی های وابسته بهتوالی.