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

شناخت عملکرد پروتئین ها با توجه به گستره فعالیت آنها از مسائل مهم زیست شناسی محسوب می شود. ساختار سه بعدی یک پروتئین در نحوه عملکرد آن نقش اساسی دارد. با توجه با رشد روز افزون رشته های پروتئین شناخته شده و مشکلات تعیین ساختار آنها به صورت آزمایشگاهی، روشهای محاسباتی برای پیش بینی ساختار پروتئین از توالی آمینواسیدهای سازنده آن مورد استفاده قرار می گیرند. پیش بینی مطمئن ساختار دوم علاوه بر ارائه اطلاعات ارزشمند در مورد رشته پروتئین می تواند به عنوان سنگ بنای سایر پیش بینی های پیچیده تر ساختار سه بعدی به کار گرفته شود. شبکه های عصبی به عنوان ابزاری قدرتمند در طبقه بندی الگوهای رشته ای در این حوزه کاربرد وسیعی پیدا کرده اند. تعیین اندازه و طراحی ساختار مناسب شبکه با توجه به ویژگیهای الگوهای ورودی، نقش مهمی در بهبود کارایی آن ایفا می کنند. در این کار از روش قاعده مند هرس شبکه های عصبی برای تعیین اندازه مناسب یک شبکه جلوسو با دو لایه پنهان به عنوان شبکه پایه و حفظ قدرت تعمیم دهی آن استفاده شده است. یک شبکه بازگشتی لایه ای با دو لایه زمینه که اطلاعات برهمکنش ساختارهای دوم را در طبقه بندی وارد می کند، برای افزایش صحت پیش بینی با الهام از شبکه های استفاده شده در بازشناخت گفتار، ارائه شده است. بر این مبنا سه مدل که طول همسایگی مختلفی از خروجی را در شبکه بازگشتی وارد می کنند، طراحی شده اند که نسبت به شبکه پایه افزایش صحت پیش بینی حاصل شده است. سه مدل دیگر بر اساس استفاده از اطلاعات بر همکنش سراسری آمینواسیدها در طول زنجیره پروتئین توسعه یافته اند. اتصالات بازگشتی در این مدلها در لایه های پنهان حافظه ای پویا ایجاد می کنند که در دو سوی رشته پروتئین گسترش یافته و اثر همجواری کل زنجیره را برای هر آمینواسید در نظر می گیرند. به این ترتیب کارایی شبکه در بازشناسی ساختار دوم رشته ورودی افزایش می یابد. در نهایت مدلی ترکیبی از شبکه بازگشتی لایه ای و بازگشتی دو طرفه ارائه شده است. این شبکه قادر است اطلاعات همبستگی ساختارهای دوم و همسایگی محلی و سراسری آمینواسیدها را در کل طول رشته پروتئین در نظر گیرد. صحت پیش بینی ساختار دوم با استفاده از ساختار جدید ارائه شده افزایش قابل توجهی دارد و به 66/78? رسیده است که نسبت به شبکه پایه 6? و نسبت به پیش بینی کننده های معروف 3/4 ? بهبود کارایی مشاهده می شود.