Αναγνωριση Διπλωματος Πρωτεινων Με Χρηση Δικτυων Ομοιοτητας Και Γενετικων Αλγοριθμων

Abstract

Η παρούσα διπλωματική εργασία προσεγγίζει το πρόβλημα της αναγνώρισηςδιπλώματος πρωτεϊνών (fold recognition), δηλαδή της κατηγοριοποίησηςπρωτεϊνικών ακολουθιών σε κατάλληλες δομικές κατηγορίες με βάσηχαρακτηριστικά που εξάγονται από την ακολουθία. Το πρόβλημα της αναγνώρισηςδιπλώματος πρωτεϊνών αντιμετωπίζεται εδώ ως πρόβλημα ταξινόμησης για τη λύσητου οποίου εφαρμόζονται εξελιγμένες μέθοδοι υπολογιστικής νοημοσύνης. Γίνεταιχρήση ενός συνόλου 311 πρωτεϊνικών ακολουθιών που κατανέμονται σε 27 γνωστάδιπλώματα. Κάθε πρωτεϊνική ακολουθία του διαθέσιμου συνόλου δεδομένωνχαρακτηρίζεται από 125 χαρακτηριστικά ακολουθίας που σχετίζονται με τηναμινοξική σύσταση της καθώς και την υδροφοβικότητα, την πόλωση, τηνπολωσιμότητα, τον όγκο Van der Waals, και την προβλεπόμενη δευτεροταγή δομήτων καταλοίπων της. Η μεθοδολογία που αναπτύσσεται συνίσταται i) στηνανάπτυξη κατάλληλου ταξινομητή βασισμένου σε δίκτυα ομοιότητας πρωτεϊνώνπου υπολογίζει τη συγγένεια μιας πρωτεϊνικής ακολουθίας με ακολουθίες γνωστούδιπλώματος με βάση τα χρησιμοποιούμενα χαρακτηριστικά ii) εφαρμογή γενετικούαλγορίθμου για την επιλογή των πιο εύρωστων χαρακτηριστικών από το αρχικόσύνολο των 125 χαρακτηριστικών ακολουθίας. Η χρήση των 125 χαρακτηριστικώνακολουθίας από τον ταξινομητή οδήγησε σε μέση ορθότητα ίση περίπου με 32% σεσύνολα ελέγχου που προέκυψαν κατά τη διασταυρωμένη επικύρωση από 10 μέρη.Η απόδοση του αλγορίθμου είναι συγκρίσιμη με την απόδοση ταξινομητώνμεγαλύτερης πολυπλοκότητας που άλλοι ερευνητές χρησιμοποίησαν στο ίδιοπρόβλημα. Η εφαρμογή του γενετικού αλγορίθμου μείωσε τη διάσταση τουχρησιμοποιούμενου συνόλου χαρακτηριστικών και αύξησε τη μέση ορθότητα τουταξινομητή κατά 5%.