Прогнозирование класса третичной структуры белка по первичной (пример)

Материал из MachineLearning.

Перейти к: навигация, поиск

Содержание

Аннотация

Рассматривается задача классификации третичной структуры белка по его аминокислотной последовательности. Эта задача является актуальной проблемой биоинформатики последние 20 лет. В работе предлагается использовать для создания признакового описания частоты встречаемости аминокислот 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 $N$,

$\{s_i\}_{i=1}^N,\;s_i \in A \$,

где $ A $ - множество из двадцати аминокислот, которые кодируются уникальными буквами

$ A = \{a,\;r,\; d,\;n,\; v,\; h,\; g,\; e,\; q,\; i,\;,l,\; k,\;m,\; p,\; s,\; y,\;t,\; w,\; f,\; c\}.$

и метки классов третичной структуры белка

$ \{y_i\}_{i=1}^7,\;y_i\in Y = \{a,\;b,\;c,\;d,\;e,\;f,\;g\}.$.

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.