Прогнозирование класса третичной структуры белка по первичной (пример)
Материал из MachineLearning.
Строка 4: | Строка 4: | ||
В качестве признаков предлагается использовать частоты повторения каждой аминокислоты в последовательности первичной структуры белка. | В качестве признаков предлагается использовать частоты повторения каждой аминокислоты в последовательности первичной структуры белка. | ||
Для решения задачи применяется алгоритм "Метод ближайшего соседа". | Для решения задачи применяется алгоритм "Метод ближайшего соседа". | ||
- | |||
Построен график точности алгоритма с доверительными интервалами в зависимости от параметров предложенного алгоритма. | Построен график точности алгоритма с доверительными интервалами в зависимости от параметров предложенного алгоритма. | ||
Строка 10: | Строка 9: | ||
== Постановка задачи == | == Постановка задачи == | ||
+ | Первичная структура белка представляет собой линейную цепь аминокислот, расположенных в определенной последовательности и соединенных между собой пептидными связями. | ||
- | <tex> | + | Дана последовательность аминокислот длины <tex>$N$</tex>, |
+ | <tex>$\{s_i\}_{i=1}^N,\;s_i \in A \$</tex>, | ||
+ | |||
+ | где <tex>$ A $</tex> - множество из двадцати аминокислот, которые кодируются уникальными буквами | ||
+ | |||
+ | <tex>$ A = \{a,\;r,\; d,\;n,\; v,\; h,\; g,\; e,\; q,\; i,\;,l,\; k,\;m,\; p,\; s,\; y,\;t,\; w,\; f,\; c\}.$</tex> | ||
+ | |||
+ | и метки классов третичной структуры белка | ||
+ | |||
+ | <tex>$ \{y_i\}_{i=1}^7,\;y_i\in Y = \{a,\;b,\;c,\;d,\;e,\;f,\;g\}.$</tex>. | ||
+ | |||
+ | Требуется определить класс третичной структуры по первичной новых белков. | ||
== Данные == | == Данные == |
Версия 09:26, 17 июня 2011
Содержание |
Аннотация
Рассматривается задача классификации третичной структуры белка по первичной. В качестве признаков предлагается использовать частоты повторения каждой аминокислоты в последовательности первичной структуры белка. Для решения задачи применяется алгоритм "Метод ближайшего соседа". Построен график точности алгоритма с доверительными интервалами в зависимости от параметров предложенного алгоритма.
Постановка задачи
Первичная структура белка представляет собой линейную цепь аминокислот, расположенных в определенной последовательности и соединенных между собой пептидными связями.
Дана последовательность аминокислот длины ,
,
где - множество из двадцати аминокислот, которые кодируются уникальными буквами
и метки классов третичной структуры белка
.
Требуется определить класс третичной структуры по первичной новых белков.
Данные
Предлагается использовать базу данных "ASTRAL SCOP Genetic Domain Sequences 1.75"[1], архив PDB SEQRES records: astral-scopdom-seqres-gd-all-1.75.fa[2]
Структура данных
>d1dlya_ a.1.1.1 (A:) Protozoan/bacterial hemoglobin {Green alga (Chlamydomonas eugametos) [TaxId: 3054]} slfaklggreaveaavdkfynkivadptvstyfsntdmkvqrskqfaflayalggasewk gkdmrtahkdlvphlsdvhfqavarhlsdtltelgvppeditdamavvastrtevlnmpq
- d1dlya_ -- идентификатор эксперимента (код файла в PDB),
- a.1.1.1 -- классификатор белка, иерархическая структура разделена точками,
- slfaklggreavea... -- последовательность аминокислот (без пробелов и переносов до символа >).
Пути решения задачи
Предлагается использовать в качестве признаков частоты повторения отдельных аминокислот.