Predikce sekundární struktury proteinů pomocí neuronové sítě

Protein sedondary structure prediction based on neural network

conference paper

Czech

Studium proteinů je neodmyslitelnou součástí molekulární biologie. Stanovení prostorové struktury, neboli konformace, pak hraje důležitou roli v pochopení jejich chemických a fyzikálních vlastností. Na základě těchto vlastností lze proteiny klasifikovat a zjišťovat jejich biologickou funkci. Pro určení výsledné třírozměrné struktury je nutné znát motivy nejnižšího stupně 3D struktury, tedy struktury sekundární. Přesné stanovení je možné pouze pomocí rentgenové krystalografie nebo nukleární magnetické resonance, což jsou metody finančně i časově velice náročné. Vhodnou alternativu však mohou poskytnout odhady sekundární struktury výpočetními nástroji bioinformatiky. Jelikož není známý přesný matematický popis, jakým dochází k vytváření sekundární struktury na základě struktury primární tj. sekvence aminokyselin, lze s výhodou využít neuronové sítě, které jsou samy schopné naučit se ideální vzorec predikce na základě předložené učební množiny. Ta je v tomto případě tvořena proteiny, jejichž sekundární struktura je již známa.

Detection of proteins secondary structure is an essential process in the reconstruction of their 3D models, which leads to better understanding of their chemical and physical properties. Due to this information we are able to reveal their biological role. Unfortunately, methods for accurate determination of the secondary structure as X-ray crystallography and NMR are very expensive and time consuming. This makes them impossible to be used in many cases. Mathematical models are an alternative for estimating the structure. Neural network appears to be an effective tool for this operation.

protein, predikce sekundární struktury, neuronové sítě

protein, secondary structure prediction, neural network

SEDLÁŘ, K.; ŠKUTKOVÁ, H.

2012

26. 4. 2012

VUT Brno

Brno

978-80-214-4462-1

Sborní z konference: Student EEICT 2012

1

3

3