Enhanced Artificial Neural Network for Protein Fold Recognition and Structural Class Prediction

توضیحات

ABSTRACT

In Bioinformatics Protein Fold Recognition (PFR) and Structural Class Prediction (SCP) is a significant problem in predicting protein with a three dimensional structure. Extraction of valuable features of protein that consists of 20 amino acids to acquire more desirable classifiers is fundamental to this PFR and SCP. Feature extraction technique predominantly exploits Forward Consecutive Search Scheme (FCS) that supplements syntacticalbased,  volutionary-based and physicochemical-based information. In this research work, a classifier known as Enhanced Artificial Neural Network (ANN) is employed as it is more efficient than Forward Consecutive Search scheme in order to improve the performance of PFR and SCP. The Enhanced ANN algorithm is an improved version of rtificial Neural Network when compared with various existing algorithms such as Support Vector Machine (SVM), ANN, K-Nearest Neighbor (KNN) and the Bayesian. The experiments are conducted on four datasets namely DD, EDD, TG and RDD. Ultimately, the statistical imputation of Enhanced ANN algorithm hypothesizes gives better results than other algorithms to improve the performance of PFR and SCP.

چکیده

در شناخت رشته پروتئین Bioinformatics (PFR) و پیش بینی کلاس ساختاری (SCP) یک مشکل مهم در پیش بینی پروتئین با ساختار سه بعدی است. استخراج ویژگی های با ارزش پروتئین که شامل 20 اسید آمینه برای به دست آوردن طبقه بندی مطلوب تر است، برای این PFR و SCP اساسی است. تکنیک استخراج ویژگیها عمدتا از Scout Search Forward (FCS) استفاده می کند که اطلاعات مبتنی بر Syntacticalbased، مبتنی بر volutionary و اطلاعات فیزیکوشیمیایی را تکمیل می کند. در این کار تحقیقاتی، یک طبقه بندی به نام شبکه پیشرفته عصبی مصنوعی (ANN) به کار گرفته شده است که از کارایی بهتر از Scroll Search Forward جهت بهبود عملکرد PFR و SCP است. الگوریتم پیشرفته ANN یک نسخه بهبود یافته از شبکه عصبی مصنوعی است در مقایسه با الگوریتم های مختلف موجود مانند ماشین پشتیبانی Vector (SVM)، ANN، K-نزدیکترین همسایگی (KNN) و Bayesian. آزمایش ها بر روی چهار مجموعه داده ها انجام می شود یعنی DD، EDD، TG و RDD. در نهایت، فرضیه آماری فرضیه الگوریتم ANN بهبود یافته نتایج بهتر از الگوریتم های دیگر برای بهبود عملکرد PFR و SCP می دهد.

Year: ۲۰۱۸

Publisher : ELSEVIER

 By : P. Sudha, D. Ramyachitra, P. Manikandan

File Information: English Language/ 15 Page / size: 770 KB

Download

سال : ۱۳۹۶

ناشر : ELSEVIER

کاری از : P. Sudha، D. Ramyachitra، P. Manikandan

اطلاعات فایل : زبان انگلیسی / 15 صفحه / حجم : KB 770

لینک دانلود