ارزیابی مدل های شبکه ارتجاعی در پیش بینی تغییرات ساختاری پروتئین ها
نویسندگان
چکیده
تغییرات ساختاری پروتئین ها که در هنگام اتصال به لیگاند یا پروتئین های دیگر صورت می گیرد، نقش حیاتی در پدیده های بیولوژیکی ایفا می نماید. این گونه حرکات به صورت تجمعی و با فرکانس پایین بوده و آنالیز مود نرمال روش متداول جهت یافتن فرکانس ها و شکل مود ها می باشد. مطالعات گسترده ای جهت پیش بینی این حرکات با استفاده از مدل های مختلف پروتئین صورت گرفته است. از این میان، مدل های شبکه ارتجاعی با توجه به عدم نیاز به کمینه سازی انرژی پتانسیل و ساده بودن از مطلوبیت بالایی برخوردار است. با این وجود، تا کنون مطالعه جامعی در خصوص بررسی تاثیر پارامتر های مختلف این مدل ها در پیش بینی تغییرات ساختاری صورت نگرفته است. در این مطالعه تعداد 20 پروتئین با تغییرات ساختاری مشخص انتخاب شده و با ایجاد مدل های مختلف شبکه ارتجاعی، میزان موفقیت و اعتبار هریک در پیش بینی ساختار نهایی مورد بررسی قرار گرفته است. بر اساس نتایج این مطالعه سه مود اول هر مدل اغلب بیشترین نقش را در پیش بینی تغییرات ساختاری پروتئین ها ایفا می کنند. علاوه بر این، انتخاب شعاع حدی مناسب تاثیر بیشتری نسبت به تابع پتانسیل در مدل شبکه ارتجاعی دارد. همچنین نتایج حاصله نشان می دهد از میان مدل های مختلف در نظر گرفته شده، مدلهای غیر نمایی با شعاع حدی 10 آنگستروم با وجود محاسبات مقرون به صرفه تر از دقت بیشتری در پیش بینی تغییرات ساختاری برخوردار می باشند.
منابع مشابه
ارزیابی مدل شبکه های بیزین در پیش بینی ماهانل سطح آب زیرزمینی (مطالعۀ موردی: آبخوان بیرجند)
اساس برنامهریزیهای منابع آب بر پایۀ حجم آب قابل استحصال در آبخوان است و برآورد دقیق این حجم از آب زیرزمینی، کمک شایانی به توسعه میکند. در این مطالعه، از مدلهای بیزین با استفاده از دو ساختار خوشهبندی و صریح برای شبیهسازی سطح آب زیرزمینی آبخوان بیرجند استفاده شد. پنج متغیر تغذیۀ آبخوان، سطح ایستابی، دما، تبخیر و برداشت از آب زیرزمینی در ماه قبل بهعنوان متغیرهای ورودی به شبکۀ بیزین و سطح آب...
متن کاملپیش بینی تورم ایران با استفاده از مدل های ساختاری ، سری های زمانی و شبکه های عصبی
امروزه ، پیش بینی متغیر های کلان اقتصادی از اهمیت ویژه ای برای سیاستگذاران و سایر واحد های اقتصادی برخوردار است. در نتیجه ، دردهه های اخیر ، مدل های پیش بینی گوناگونی توسعه یافته و به رقابت با یکدیگر پرداخته اند. اخیراً به موازات مدل های متداول قبلی مانند مدل های ساختاری و سری زمانی ، مدل های دیگری تحت عنوان شبکه های عصبی مصنوعی در زمینه پیش بینی متغیر های مالی و پولی بکار گرفته شده اند. این م...
متن کاملپیش بینی تاخوردگی دامنه پروتئین ها مبتنی بر روش DBSCAN
در این مقاله یک روش طبقه بندی تغییر یافته بر مبنای روش های طبقه بندی بر اساس چگالی برای طبقه بندی تاخوردگی پروتئین ها ارائه شده است که این روش در برابر وجود نویز مقاوم بوده و از سرعت بالایی برخوردار خواهد بود. طبقه بندی پروتئین ها بمنظور پیش بینی عملکرد آنها و شناسایی خواص پروتئین ها یکی از مسائل بزرگ در حوزه طبقه بندی است. با توجه به پیشرفت علم و دستگاه های توالی یابی پروتئین های بسیاری کشف شد...
متن کاملطراحی مدل پیش بینی ورشکستگی شرکت ها به وسیله شبکه های عصبی فازی (مطالعه موردی:شرکت های بورس اوراق بهادار تهران)
در این مقاله به منظور پیش بینی درصد ورشکستگی شرکت های بورسی از مدلهای شبکه عصبی فازی استفاده گردیده که توانایی کار در محیط پویا و غیر قطعی را امکان پذیر می سازد. در این میان با استفاده از منطق فازی متغییر های مختلف کلامی به منظور تعریف هر شاخص مشخص گردیده است و با ایجاد توابع عضویت هر کدام با استفاده شبکه عصبی به ایجاد یک سیستم یادگیرنده اقدام شده است. از میان مدل های مختلف شبکه عصبی،شبکه پرسی...
متن کاملپیش بینی دامنه تغییرات طلا با استفاده از مدل ترکیبی ARIMA و شبکه عصبی
مدل خودرگرسیو میانگین متحرک انباشته (ARIMA) که تحت عنوان روش باکس و جنکینزشناخته میشود، یکی از پرکاربردترین مدلها در پیشبینی سریهای زمانی است. اما پیش فرض اصلی این مدل خطی بودن سریهای زمانی میباشد. از سوی دیگر شبکهی عصبی یک تخمین زنندهی عمومی است که الگوهای غیر خطی را بسیار خوب مدلسازی مینماید. دانستن الگوی دادهها مبنی بر خطی و غیر خطی بودن در واقعیت کمی دشوار است، بنابراین این اید...
متن کاملاستفاده از رهیافت های شبکه عصبی و مدل های خودرگرسیونی در پیش بینی رشد اقتصادی ایران
یکی از مسائل مهم در اقتصاد پیش بینی رشد اقتصادی می باشد که با توجه به اینکه، پیش بینی صحیح رشد اقتصادی، آثار مهمی در سیاست گذاری و برنامه ریزی های اقتصادی دولت دارد و می تواند علاوه بر ایجاد زمینهی توسعه روش های جدید پیش بینی، سیاست گذاران را در تصمیم گیری آتی یاری رساند، لذا هدف این مقاله پیش بینی رشد اقتصادی ایران با استفاده از سه مدل شبکه عصبی، میانگین متحرک خودرگرسیون تجمعی، خودرگرسیون وار...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
مهندسی مکانیک مدرسناشر: دانشگاه تربیت مدرس
ISSN 1027-5940
دوره 16
شماره 1 2016
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023