Protein secondary structure prediction with classifier fusion
- Global styles
- Apa
- Bibtex
- Chicago Fullnote
- Help
Abstract
Bilinen protein dizileri sayısı çok hızlı artmaktadır, fakat proteinlerin yapısını deneysel metotlarla belirlemek maliyetli ve yavaş olduğu için yapısı bilinen proteinlerin sayısı ile dizisi bilinen proteinlerin sayısı arasındaki fark gittikçe artmaktadır. Bu yüzden amino asit zinciri bilinen bir proteinin yapısının hesaplamalı yollarla bulunması bu farkı kapatmak açısından önemlidir. Bu tezde ikincil yapı adı verilen protein yapısının kestirimi üzerine yoğunlaşılmıştır. İkincil yapı kestirimi kategoriler halinde incelenebilir. Bazı diziler çoklu dizi profilleri ile zenginleştirilebilirken bazı diziler için profil çıkartılamaz. Bu iki durum da bu çalışmada incelenmiştir.Yoğunlaştığımız ilk durum çoklu dizi hizalama bilgisinin olmadığı durumdur. Boyut düşürme ve öznitelik seçimi yöntemleri kullanılarak tekli, çiftli ve pozisyon özniteliklerini profil bilgisinden çıkaran yeni bir öznitelik çıkarma yöntemi geliştirdik. Çıkarılan bu öznitelikler ile ham öznitelikleri sınıflandırma için kullandık. Kullandığımız ilk seviye sınıflandırıcılar saklı Markov modeli, destek vektör makinesi, doğrusal ayırtaç sınıflandırıcısıdır. Bu ilk seviye sınıflandırıcıları birleştiren yeni bir yöntem sunulmuştur.İkinci olarak, tek dizi protein ikincil yapısı kestirimi problemine yoğunlaştık. Bu problem için daha önceden önerilmiş olan IPSSP algorithmasının performansını arttırmak için değişik eğitim kümesi indirgeme yöntemleri incelenmiştir. Deney sonuçları eğitim kümesi indirgemenin, yetim proteinlerin ikincil yapısının kestirimi için işe yaradığını göstermektedir. The number of known protein sequences is increasing very rapidly. However, experimentally determining protein structure is costly and slow, so the number of proteins with known sequence but unknown structure is increasing. Thus, computational methods for prediction of structure of a protein from its amino acid sequence are very useful. In this thesis, we focus on the problem of a special type of protein structure prediction called secondary structure prediction. The problem of structure prediction can be analyzed in categories. Some sequences can be enriched by forming multiple alignment profiles, whereas some are single sequences where one cannot form profiles. We look into different aspects of both cases in this thesis.The first case we focus in this thesis is when multiple sequence alignment information exists. We introduce a novel feature extraction technique that extracts unigram, bigram and positional features from profiles using dimension reduction and feature selection techniques. We use both these novel features and regular raw features for classification. We experimented with the following types of first level classifiers: Linear Discriminant Classifier (LDCs), Support Vector Machines (SVMs) and Hidden Markov Models (HMMs). A novel method that combines these classifiers is introduced.Secondly, we focus on protein secondary structure prediction of single sequences. We explored different methods of training set reduction in order to increase the prediction accuracy of the IPSSP (Iterative Protein Secondary Structure Prediction) algorithm that was introduced before [ipssp]. Results show that composition-based training set reduction is useful in prediction of secondary structures of orphan proteins.
Collections