التنبؤ بالبنية الثانوية للبروتين من خلال الدمج بين نموذج ماركوف المخفي وآلة المتجه الداعم
Prediction of Secondary Structure of Protein by Combining Hidden Markov Model and Support Vector Machine
- الباحث
- أحمد حسين قاسم عبداللطيف
- المشرف
- عمر صابر قاسم - فاطمة محمود حسن
- الجامعة
- جامعة الموصل
- الكلية / القسم
- كلية علوم الحاسوب والرياضيات / الرياضيات
- الشهادة
- ماجستير
- السنة
- 2022
- لغة الرسالة
- انكليزي
- الكلمات المفتاحية
- Protein Secondary Structure ; Hidden Markov Model ; Support Vector Machine ; Bioinformatics
الملخص
تضمنت الرسالة دراسة تحليلية لكل من متسلسلات البروتين والاحماض الامينية، ودراسة الجانب النظري لنماذج ماركوف المخفي والة المتجه الداهم وتقديم الحلول المقترحة لبعض المعوقات التي قد تظهر عند استخدام هذه الخوارزميات للتنبؤ بالبنية الثانوية للبروتين. تم تقديم خوارزمية مقترحة للتنبؤ بالبنية الثانوية للبروتين من خلال الدمج بين نماذج ماركوف المخفي Hidden Markov Model (HMM) والة المتجه الداعم ،Support Vector Machine (SVM) وقد سميت هذه الخوارزمية Combining Hidden Support (CHS). مع استخدام مجموعة بيانات خاصة مكونة من 9078 متسلسلة بروتين في هذه الرسالة لغرض التدريب والاختبار, بالإضافة الى استخدام مجموعة البيانات المعروفة 5126! لغرض مقارنة النتائج مع الدراسات المشابهة. وقد أظهرت الخوارزمية المقترحة 0115 مرونة عالية في التعامل مع متسلسلات البروتين، غير متأثرا بالمشاكل التي تأثر على HMM والا/ا5: وقد تم الحصول على دقة تنبؤ بالبنية الثانوية للبروتين حوالي 794, مما يظهر تفوقًا Hus على الخوارزميات التقليدية من خلال التنبؤ بالبنية الثانوية للبروتين.
Abstract
The study of the 3D structures of protein is a part of bioinformatics, and it is not possible to know the three structures of a protein without knowing the secondary structure. Many researches and studies have been submitted for the purpose of predicting the secondary structure of the protein (PSSP) by studding the distribution of the amino acids in the primary structure, in addition to extracting the secondary structure by laboratory methods, moreover the methods used to predict protein secondary structure are using artificial intelligence algorithms and statistical systems such as SVM and HMMs. In this thesis, we have presented a proposed algorithm to predict protein secondary structure by combining HMM and SVM, and this algorithm is named Combining Hidden Support CHS. A special dataset was used for this algorithm called intersect-Pieces dataset, as well as the well-known RS126 protein datest is used for comparing CHS algorithm results with other research. CHS is characterized by new features that outperform both SVM and HMM such as great flexibility in dealing with protein sequences, unaffected by defects that may appear in both HMM and SVM, and the highest prediction accuracy was obtained for PSSP reaching 93,8%, and about 95 % With the well-known dataset RS126, CHS has shown a significant superiority over traditional algorithms by accurately predicting the secondary structure of a protein
طلب نسخة من الملف
الملفات غير منشورة على الموقع. اترك بياناتك وسيتواصل معك موظفو قسم الشؤون الثقافية والفنون لإرسال النسخة مجاناً.