پیش بینی ساختار دوم پروتئین ها با استفاده از شبکه های عصبی عمیق

پیش بینی ساختار دوم پروتئین ها از روی توالی آمینواسیدها یک امر مهم و اساسی در دانش پروتئین ها و زیست محاسباتی است که نقش مهمی در تعیین ساختار سه بعدی و در نتیجه عملکرد پروتئینها دارد. به همین دلیل در چند دهه ی اخیر، تلاش های فراوانی در این زمینه صورت گرفته و روش های زیادی برای پیش بینی ساختار دوم پروتئین ها ارایهشده است. یکی از ابزار نسبتا جدید و موثر شبکه های عصبی عمیق هستند که تلاش می کنند مفاهیم انتزاعی سطح بالا را با استفاده از یادگیری در سطوح مختلف مدل کنند. بسیاری از این روش ها به خوبی می توانند با استخراج ویژگی های پروتئین های ورودی، توالی را به ساختار نگاشت کرده و به پیش بینی ساختار دوم پروتئین ها بپردازند. استفاده از شبکهعمیق پیچشی به عنوان یکی از تکنیک های یادگیری ویژگی جهت استخراج ویژگی و پارامترهای بهینه آن، می تواند در حل این مسئله بسیار تاثیرگذار باشد. از آنجا که آموزش شبکه های عمیق به دلیل نیاز به حجم محاسباتی بالا و تعداد نمونه های آموزشی زیاد مشکل است، در این مقاله از یک شبکه عمیق پیچشی آغازی با یک معماری ساده استفاده شده تا بتواند رابطه ی پیچیده بین توالی-ساختار پروتئی نها و وابستگی اطلاعاتی در محدوده طولانی از توالی ا را استخراج کند. در این راستا، ابتدا با در نظر گرفتن ایده های پروتئین های مشابه، ماتریس امتیازدهی بر اساس موقعیت خاص PSSM به دست میآید. سپس با استخراج اطلاعات تکاملی، شبکه عمیق پیچشی آموزش داده می شود. نتایج حاصل از اجرای این روش بر روی مجموعه داده های پروتئینی نشان دهندهی کارایی و مناسب بودن این روش است.

کلیدواژه ها:

پیش بینی ساختار دوم پروتئین ها ، شبکه عصبی عمیق ، شبکه عمیق پیچشی آغازی ، استخراج ویژگی