National and Kapodistrian University of Athens
Improving sequence similarity search for protein homology induction using structural data and machine learning methods
Abstract
dc:descriptionΠαρουσιάζουμε μια νέα μέθοδο ανίχνευσης ομολογίας πρωτεϊνών που συνδυάζει δεδομένα σύγκρισης αλληλουχίας και δομών πρωτεϊνών για την ανίχνευση ομολογίας. Η σύγκριση ομοιότητας αλληλουχιών είναι το πιο συχνά χρησιμοποιούμενο μέτρο ανίχνευσης ομολογίας. Σε κάποιες περιπτώσεις, ομόλογες πρωτεΐνες μπορεί να παρουσιάζουν ελάχιστη (< 35% ) ομοιότητα αλληλουχιών. Στην μέση του φάσματος των αποτελεσμάτων της σύγκρισης ομοιότητας αλληλουχιών, η απόκλιση αυτή οδηγεί σε λάθος ταξινόμηση. Η ζώνη των πρωτεϊνών, όπου παρουσιάζεται το μέγιστο σφάλμα, ονομάζεται διφορούμενη ζώνη (twilight zone) των πρωτεϊνών. Η νέα μέθοδος περιλαμβάνει αναταξινόμηση των αποτελεσμάτων αυτών, από το PSI-BLAST, σε «αληθώς θετικά» και «αληθώς αρνητικά» με χρήση ενός ταξινόμητη που χρησιμοποιεί πληροφορίες δομής πρωτεϊνών. Διάφοροι παραμετρικοί και μη παραμετρικοί ταξινομητές, καθώς και συνδυασμοί ταξινομητών, συγκρίθηκαν με τυπικά μέτρα αξιολόγησης. Αναπτύχθηκαν ταξινομητές, με χρήση δεδομένων σύγκρισης δομής, και στη συνέχεια χρησιμοποιήθηκαν για την αναταξινόμηση των πρωτεϊνών της διφορούμενης ζώνης. Παρέχουμε στατιστικά στοιχεία που υποστηρίζουν την διαχωρισιμότητα των δύο τάξεων και παρουσιάζουμε τα αποτελέσματα των διαφόρων ταξινομητών. Δοκιμάστηκαν ταξινομητές για διαφορετικούς συνδυασμούς δομικών χαρακτηριστικών που ανακτήθηκαν από την σύγκριση των δομών. Τα αποτελέσματά μας επιβεβαιώνουν ότι η προσέγγιση αυτή μπορεί να βελτίωσει σημαντικά την ανίχνευσης ομολογίας, μειώνοντας τα σφάλματα που συμβαίνουν στη διφορούμενη ζώνη κατά την σύγκριση πρωτεϊνών βάση της αλληλουχίας τους.
Author and committee
dc:creator, dc:contributor.*- Author dc:creator
-
- Sharma Anuj
Rights
- Language dc:language
- English
Identifiers
dc:identifier.*- Identifier
- uoadl:1321138