سمیه باصری - کارشناسی ارشد آمار ریاضی، مدیریت پژوهش و فناوری شرکت ملی گاز ایران

تعیین ویژگی های موثر و ارائه مدل پیش بینی کنندهای کارا و دقیق برای پدیده هایی که تحت تاثیر عوامل زیادی رخ میدهند اما به دلیل وجود محدودیت-هایی تعداد تکرار (مشاهده) کمی دارند، یکی از دغدغه های پژوهش گران برشمرده می شود. زیرا در این شرایط روش های متداول آماری که بر مبنای زیادبودن تعداد مشاهدات نسبت به متغیرهای تاثیر گذار شکل گرفته اند، قابل استفاده نمی باشند و نیاز به ارائه راهکارهای توین در قالب دیدگاه های جدید آماری احساس می شود. در راستای حل این مشکل، در این مقاله یک روش بسیار جدید مبتنی بر استفاده از یک الگوریتم ریاضی که محاسبه آن ساده می باشد،برای انتخاب ویژگی های و عوامل موثر بررخداد یا نحوه عمل پدیده مورد بررسی، معرفی میشود. سپس با استفاده از برآوردگر Crude اصلاح شده که برتری آن در مدل بندی دقیق و کارا نسبت به دیگر برآوردگرها در این زمینه اثبات شده است، بهترین مدل پیش بینی کننده معرفی میشود. در پروتئین بیوانفورماتیک پیشبینی pH بهینه آنزیم های جدید (قبل از تولید آنها در آزمایشگاه) با استفاده از توالی پروتئینی آنها مورد توجه بسیار میباشد. این پیشبینی و مدلبندی به محققین اجازه دست کاری و ایجاد تغییرات در توالی پروتئینی موجود با استفاده از روش جایگزینی آمینو اسید و یا جهش در جهت تولیدآنزیم برتر در صنعت را میدهد. برای این منظور لازم است خواص و ویژگی های زیادی از توالی پروتئین مورد توجه قرار گیرد، در حالیکه تعداد مشاهدات بامحدودیت زیادی همراه میباشد با استفاده از الگوریتم عوامل موثر تعیین و سپس توسط برآوردگر اصلاح شدهCrude مدلی پیش بینی کننده برایpH بهینه فعالیت آنزیم زایلاناز که پروتئین مهمی در صنعت میباشد، ارائه شده است. شایان ذکر است که ویژگیهایی همچون تعداد اسید آمینه های گلوتامین،سیستئین، لایزین به همراه تعداد اسید آمینه های دارای بار مثبت در تعیین pH بهینه فعالیت آنزیم زایلاناز موثر تشخیص داده شده است.

آنزیم زایلاناز، انتخاب عوامل موثر ،بیزتجربی، پروتئین بیوانفورماتیک، مدل پیش بینی کننده