روشی جدید برای تخمین ساختار ثانویه پروتئین با استفاده از مدل مارکف مخفی و الگوریتم بهینه سازی هوش جمعی

تخمین ساختار ثانویه پروتئین یکی ازمهمترین مسائل در بیوانفورماتیک است. این تخمین معمولاً با روشهای آزمایشگاهی انجام میگیرد که به دلیل هزینهبر و زمانبر بودن آن، یافتن راهحلی ارزانتر با زمان محاسبه معقول مورد توجه محققین قرار گرفته است. روشهای رایانهای گوناگون مانند شبکههای عصبی مصنوعی، الگوریتم ژنتیک و مدل مارکف مخفی (HMM)، راهحلهای پیشنهادی برای تخمین ساختار ثانویه پروتئین هستند. اگر چه با استفاده از این روشها موفقیت های چشمگیری در زمینه آنالیز دنبالههای زیستی بدست آمده است اما به نظر میرسد بدلیل پیچیدگی طراحی پارامترهای HMM تمامی ظرفیت های آن در این حوزه مورد استفاده قرار نگرفته است. HMM مدلی احتمالاتی است و بدلیل گرافیکی بودن و در نظر گرفتن همبستگی بین دنباله ها، برای مدلسازی دنباله های پروتئین مدل مناسبی است. اما آموزش پارامترهای HMM، از نظر محاسباتی مشکل بوده و هیچ راه تضمین شدهی بهینه ای با زمان محاسبهی معقول وجود ندارد. الگوریتم BW به عنوان رایجترین روش برای آموزش پارامترهای HMM، یک روش آموزش قدرتمند است اما اغلب در یک بهینه محلی گرفتار میشود. بنابراین در این مقاله روشی برای استنتاج ساختار HMM با کمک الگوریتم بهینهسازی هوش جمعی (PSO) ارائه گردیده است. نتایج بدست آمده دقت بالاتر در مقایسه با جدیدترین روشهای موجود را نشان میدهد.

کلیدواژه ها:

الگوریتم PSO ، الگوریتم ترکیبی BW-PSO ، ساختار ثانویه پروتئین ، مدل مارکف مخفی