پیشگویی انعطاف پذیری ساختارهای پروتئینی با استفاده ماشین بردار پشتیبان

سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 85

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_BIOT-9-4_008

تاریخ نمایه سازی: 5 دی 1403

چکیده مقاله:

اهداف: اطلاعات موجود در ساختمان پروتئین ها برای درک چگونگی فعالیت آنها بسیار مفید است. انعطاف پذیری یکی از مهم ترین فاکتورهای ساختمانی مرتبط با عملکرد پروتئین ها است. دانش درباره انعطاف پذیری ساختارهای پروتئینی، کمک بزرگی به کیفیت پیشگویی ساختمان پروتئین ها و درک عملکرد پروتئین ها می کند. مطالعه حاضر با هدف بررسی پیش گویی انعطاف پذیری ساختارهای پروتئینی با استفاده از ماشین بردار پشتیبان انجام شد. مواد و روش ها: در مطالعه حاضر از یک مجموعه داده متعادل ۹۵ پروتئینی استفاده شد. ویژگی های استفاده شده در مطالعه حاضر برای مدل کردن اسیدآمینه ها، یک بردار ۳۳ بعدی را تشکیل داد. برخی از آنها از لغزاندن پنجره ای به طول ۱۷ با مرکزیت اسیدآمینه هدف روی زنجیره پروتئین به دست آمده اند و برخی تنها مربوط به اسیدآمینه هدف بودند. برای تعریف فاکتور انعطاف پذیری، ویژگی های مبتنی بر اطلاعات حاصل از تغییرات زوایای دووجهی، استفاده شد. این اطلاعات برای هر اسیدآمینه با درنظرگرفتن موقعیت هر اسیدآمینه به تنهایی و برای جفت اسیدآمینه های مجاور در یک پنجره هفده تایی محاسبه و برای پیشگویی از روش ماشین بردار پشتیبان استفاده شد. یافته ها: میزان صحت ۷۳/۱%، معیار F ۷۱% دقت ۷۳% و حساسیت ۷۳/۲% به دست آمد. برتری قابل قبول روش پیشنهادی در مقایسه با روش های موجود تایید شد. نمایش زاویه ای هر پروتئین توانست به خوبی خصوصیات و ویژگی های ساختار سه بعدی پروتئین را نشان دهد. نتیجه گیری: میزان صحت ۷۳/۱%، معیار F ۷۱% دقت ۷۳% و حساسیت ۷۳/۲% است و بهترین نگاه به بحث انعطاف پذیری، نگاه زاویه ای است. نمایش زاویه ای هر پروتئین می تواند به خوبی خصوصیات و ویژگی های ساختار سه بعدی پروتئین را نشان دهد.

نویسندگان

مژگان مظفری لقا

Biological Sciences Faculty, Tarbiat Modares University,Tehran, Iran

سیدشهریار عرب

Biophysics Department, Biological Sciences Faculty, Tarbiat Modares University,Tehran, Iran

جواد ظهیری

Biophysics Department, Biological Sciences Faculty, Tarbiat Modares University,Tehran, Iran

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Hirose S, Yokota K, Kuroda Y, Wako H, Endo S, ...
  • Chen K, Kurgan LA, Ruan J. Prediction of flexible/rigid regions ...
  • Karplus PA, Schulz GE. Prediction of chain flexibility in proteins. ...
  • Vihinen M, Torkkila E, Riikonen P. Accuracy of protein flexibility ...
  • Smith DK, Radivojac P, Obradovic Z, Dunker AK, Zhu G. ...
  • Schlessinger A, Rost B. Protein flexibility and rigidity predicted from ...
  • Schlessinger A, Yachdav G, Rost B. PROFbval: Predict flexible and ...
  • Pan XY, Shen HB. Robust prediction of B-factor profile from ...
  • De Brevern AG, Bornot A, Craveur P, Etchebest C, Gelly ...
  • Bornot A, Etchebest C, De Brevern AG. Predicting protein flexibility ...
  • Trott O, Siggers K, Rost B, Palmer AG. Protein conformational ...
  • Zhang T, Faraggi E, Zhou Y. Fluctuations of backbone torsion ...
  • Arab SS, Sadeghi M, ESlahchi C, Pezeshk H. Prediction of ...
  • Chen XW, Chen J. Protein flexibility modeling using kernel based ...
  • Yuan Z, Bailey TL, Teasdale RD. Prediction of protein flexibility ...
  • Kuznetsov IB, McDuffie M. FlexPred: A web-server for predicting residue ...
  • Hinsen K. Structural flexibility in proteins: Impact of the crystal ...
  • Jamroz M, Kolinski A, Kmiecik S. CABS-flex predictions of protein ...
  • Markvoort AJ. Coarse‐grained molecular dynamics. In: Van Santen RA, Sautet ...
  • Jamroz M, Orozco M, Kolinski A, Kmiecik S. Consistent view ...
  • Jamroz M, Kolinski A, Kmiecik S. CABS-flex: Server for fast ...
  • Noble WS. What is a support vector machine?. Nat Biotechnol. ...
  • Meyer D. Support vector machines, the interface to libsvm in ...
  • Bank PD. Protein data bank. Nat New Biol. ۱۹۷۱;۲۳۳:۲۲۳. ...
  • Huang Y, Niu B, Gao Y, Fu L, Li W. ...
  • Kotsiantis S, Kanellopoulos D, Pintelas P. Handling imbalanced datasets: A ...
  • Zahiri J, Yaghoubi O, Mohammad Noori M, Ebrahimpour R, Masoudi ...
  • Pollastri G, Baldi P, Fariselli P, Casadio R. Prediction of ...
  • Garnier J, Robson B. The GOR method for predicting secondary ...
  • Altschul SF, Madden TL, Schäffer AA, Zhang J, Zhang Z, ...
  • Meiler J, Müller M, Zeidler A, Schmäschke F. Generation and ...
  • Magnan CN, Baldi P. SSpro/ACCpro ۵: Almost perfect prediction of ...
  • نمایش کامل مراجع