پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 162 |
| تعداد شماره‌ها | 6,578 |
| تعداد مقالات | 71,072 |
| تعداد مشاهده مقاله | 125,697,506 |
| تعداد دریافت فایل اصل مقاله | 98,928,875 |
پیشگویی کلاسهای ساختاری پروتئینها در دو وضعیت با استفاده از مدل ترکیبی عصبی-لوجستیک | ||
| مجله علوم دانشگاه تهران (منتشر نمی شود) | ||
| مقاله 5، دوره 33، شماره 1 - شماره پیاپی 1909، مرداد 1387 اصل مقاله (258.28 K) | ||
| نویسندگان | ||
| صمد جهاندیده؛ پرویز عبدالمالکی؛ محمد مهدی موحدی* | ||
| چکیده | ||
| هدف مطالعه پیشنهادی پیشگویی کلاسهای ساختاری پروتئین ها در دو وضعیت (تمام آلفا و تمام بتا) با استفاده از روش مدل سازی ترکیبی دو مرحله‌ای با شبکه عصبی مصنوعی (ANN) و مدل لوجستیک رگرسیون (LRM) است. ساختار شبکه و فرایند آموزش طولانی، کاربرد آن را در تمام زمینه‌ها محدود کرده است. پیشگویی کلاسهای ساختاری پروتئینها روی یک سری داده (104n=) از پروتئین‌های غیر همولوگ تک‌دومین کروی اجرا شد. پارامترهای معنادار آماری در مدل لوجستیک رگرسیون فراوانی تکی اسید‌آمینه‌های والین و گلیسین همچنین فراوانی ترکیبات دوتایی لیزین-پرولین، ایزولوسین-سرین، گلوتامین- سرین و گلوتامین- پرولین بودند. در بین ترکیبات سه تایی نیز تنها فراوانی ترکیب آسپاراژین- لوسین- آسپارتیک اسید معنادار بود. پیشگویی کلاسهای ساختاری در دو وضعیت (تمام آلفا و تمام بتا) تنها بر اساس هفت شاخص ساختاری معنی‌دار به عنوان متغیر‌های ورودی از بین 642 متغیر ساختاری 88% کارایی نشان داد. در این مطالعه، هر دو شاخص وابسته به آستانه و غیر وابسته (ROC) برای ارزیابی مدل استفاده شده است. | ||
| کلیدواژه‌ها | ||
| مدل لوجستیک رگرسیون؛ شبکه عصبی مصنوعی؛ پیشگویی کلاس ساختاری پروتئین | ||
| عنوان مقاله [English] | ||
| Prediction of Proteins Structural Class in Two States Using the Hybrid Neural-Logistic Model | ||
| چکیده [English] | ||
| The objective of the proposed study is predicting structural classes of proteins in two states (all-? and all-?). We used a two-stage hybrid model constructed of artificial neural networks (ANN) and logistic regression model (LRM). The LRM was initially used to extract the effective variables (n=7) from the generated structural variables (n=662) in order to simplify the structure of the ANN which intended to predict the structural classes of proteins. The predicting structural classes of proteins performed on one non-homologous mono-domain globular proteins data set (n=104). Among the 20 evaluated single amino acid composition frequencies Valine and Glycine frequency were statistically significant (P<.05) according to the result of LRM. Similarly among the 400 evaluated dipeptides composition frequencies the Lysine-Proline, Glutamine-Proline, Isoleucine-Serine and Serine-Glutamine frequencies were also significant. Among the 22 evaluated tripeptides frequencies only Asparagine-Leucine-Aspartic acid composition frequency was significant. The prediction of the proteins structural classes in two states (all-? and all-?) performed 88% only based on seven significant structural variables among 642 structural variables. In this study, both threshold dependent and independent (ROC) measures have been used for performance evaluation of the established hybrid model. | ||
| کلیدواژه‌ها [English] | ||
| Logistic Regression Model, Artificial Neural Networks, Protein Structure Prediction | ||
|
آمار تعداد مشاهده مقاله: 1,260 تعداد دریافت فایل اصل مقاله: 1,896 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب