پیش بینی ساختار دوم پروتئین ها از طریق کلاسه بندی عصبی- ژنتیکی

پروتئین ها مواد مغذی اصلی هر سلول زنده و مسئول انجام اعمال گوناگون آن هستند. هنگامی که پروتئین ها در دمای معمول و در حالت عادی در محیط آبی قرار می گیرند از آن ها شکلی سه بعدی به دست می آید که در قسمتی از بدن قرار گرفته و ویژگی های کاربردی آن ها وابسته به این ساختار می باشد. به همین دلیل تعیین ساختار سوم پروتئین ها به منظور تشخیص عملکردی که در بدن دارند حائز اهمیت می باشد. پیش بینی ساختار سه بعدی پروتئین ها به روش های آزمایشگاهی زمان بر و پر هزینه بوده و روی همه ی رشته های پروتئینی قابل اعمال نیستند. از این رو در دهه های اخیر تلاش های بسیاری به منظور استفاده از روش های محاسباتی برای پیش بینی ساختار دوم پروتئین ها به عنوان یک گام میانی در جهت تعیین ساختار سه بعدی آن ها و در نتیجه عملکرد آن ها صورت گرفته است. آنچه در این پایان نامه ارائه می شود استفاده از روش هایی برای پیش بینی ساختار دوم پروتئین ها از جمله استفاده از یک شبکه عصبی دو مرحله ای، استفاده از روش های گروهی و ترکیب نتایج چند کلاسه بند (که در هر کدام از آن ها یکی از تکنیک های یادگیری ماشین برای حل مشکل نامتوازن بودن داده ها استفاده شده است)، شبکه عصبی بازگشتی و همچنین استفاده از یک کلاسه بند عصبی-ژنتیکی که در آن از الگوریتم ژنتیک به منظور به دست آوردن مقدار بهینه ی یکی از پارامترها برای رسیدن به دقت بالاتر استفاده شده است. نتایج حاصله نشان می دهد که روش های فوق باعث افزایش دقت کل، بهبود کیفیت پیش بینی و حل مشکل غیرمتوازن بودن داده ها می شود.