Πρόβλεψη Δευτεροταγούς Δομής Πρωτεϊνών με τη Χρήση Νευρωνικών Δικτύων

Abstract

΄Ενα από τα σημαντικότερα ζητήματα στην επιστήμη της βιολογίας αφορά την μελέτη και κατανόηση σε βάθος των πρωτεϊνών. Σε κάθε λειτουργία του ανθρώπινου οργανισ- μού, οι πρωτεϊνες έχουν καταλυτικό ρόλο και συμβάλλουν στην ομαλή λειτουργία του. Οι ιδιότητες τους σχετίζονται άμεσα με τη δομή τους και για αυτό, το πρόβλημα της αναδίπλωσης τους, αποτελεί βασικό αντικείμενο ανάλυσης. Επειδή η μελέτη της δομής των πρωτεϊνών έχει μεγάλο χρονικό και χρηματικό κόστος, η επιστημονική κοινότητα ασχολείται ενεργά με την πρόβλεψη των δομών. Η πρόβλεψη της δευτεροταγούς δομής είναι το πρώτο βήμα για την συσχέτιση των ιδιοτήτων των πρωτεϊνών με τον τρόπο που αναδιπλώνονται και αποκτούν σχήμα. Για το σκοπό αυτό έχουν χρησιμοποιηθεί διάφορα μοντέλα ανά τα έτη, με διαφορετικές φιλοσοφίες που αν- τικατοπτρίζουν την ανάπτυξη των αλγοριθμικών μεθόδων τις τελευταίες δεκαετίες. Στην προσπάθειά μας να συνεισφέρουμε σε αυτό το έργο, χρησιμοποιήσαμε εφαρμογές Τεχνητής Νοημοσύνης, για να κατασκευάσουμε ένα Νευρωνικό Μοντέλο Μηχανικής Μάθησης το οποίο θα προβλέπει τη δευτεροταγή δομή των πρωτεϊνών. Πιο συγκεκριμένα, στήθηκαν δύο μοντέλα Συνελικτικών Νευρωνικών Δικτύων τα οποία κατηγοριοποιούν τα αμινοξέα των πρωτεϊνών σε 3 και 8 κλάσσεις αντίστοιχα. Στα τελευταία δύο κεφάλαια αναφερόμαστε λεπτομερώς στη διαδικασία κατασκευής του μοντέλου, εξηγώντας κάθε αρχιτεκτονική επιλογή μας. Περιγράφουμε το πείραμα που διεξάγαμε και τα προβλήματα που συναντήσαμε. Τέλος παρουσιάζουμε τα αποτελέσματα των μοντέλων, τα συγκρίνουμε με τα υπόλοιπα μοντέλα που επικρατούν στη βιοπληρο- φορική και σχολιάζουμε τις διαφορές και τις ομοιότητες μεταξύ τους.