15000 تومان
افزودن به سبد خرید
0 فروش 202 بازدید
جزئیات محصول
تعداد قسمت: 1
پسوند فایل: zip
حجم فایل: 2MB
فایل راهنما: ندارد
بسته نصبی: ندارد
امکانات: شامل فایل pdf مقاله لاتین و فایل word ترجمه فارسی (21 صفحه)
تاریخ انتشار: 03 نوامبر 2018
دسته بندی: ,,

تبلیغات

خوشه­ بندی فازی برای خواص فیزیکوشیمیایی و بیوشیمیایی آمینواسیدها

خلاصه:

در این مقاله، ما دانش تئوری و تجربی در دسترس موجود در ویژگی­های فیزیکوشیمیایی و بیوشیمیایی مختلف و آمینواسیدها را دسته­بندی می­کنیم همانطور که در پایگاه دادۀ ضمیمه AA که به عنوان شاخص­های ۵۴۴  آمینواسید (AA) شناخته می­شوند جمع­آوری شده بود. قبلاً گزارش شده بود که شاخص­های ۴۰۲ آمینواسید دسته­بندی شده بودند در ۶ گروه که تکنیک­های خوشه­بندی سلسله مراتبی را استفاده می­کردند و ۱۴۲ آمینواسید باقی مانده بدون خوشه­بندی باقی مانده بودند. به هر حال با توجه به تنوع در حال افزایش، پایگاه داده این شاخص­ها در حال همپوشانی هستند، بنابراین متدهای خوشه­بندی crisp ممکن است نتایج بهینه را تأمین نکنند. علاوه بر این در آنالیزهای بیوانفورماتیک در مقیاس­های بزرگ گوناگون از همۀ پروتئوم­ها انتخاب مناسب شاخص­های آمینواسید که نشان دهندۀ اهمیت بیولوژیکی آنها می­باشد برای کارآمدی و خطای pronencoding از شکل­های عمده دنباله توابع کوتاه اساسی می­باشند. در بیشترین موارد محققان انتخاب دستی کاملی از آموزنده­­ترین شاخص­ها را اجرا می­کنند. این دو حقیقت ما را به آنالیز شاخص­های AA استفاده شده گسترده­ای ارتقاء می­دهد. هدف اصلی این مقاله دو قسمتی می­باشد. اول اینکه، ما یک روش جدید از جزءبندی داده­های بیوانفورماتیک که خوشه­بندی فازی مورد توافق را استفاده می­کنند را نشان می­دهیم، در جایی که تکنیک­های خوشه­بندی فازی پیشنهاد دهندۀ اخیر به کار برده می­شوند. دوم اینکه، ما ۳ زیر مجموعۀ کیفیت بالا از همه شاخص­های موجود را آماده می­کنیم. مزیت روش خوشه­بندی فازی مورد توافق به طور کمی بصورت بصری و آماری با مقایسه آن با نتایج خوشه­بندی شده سلسله مراتبی پیشنهاد شده عملی نشان داده می­شود.

کلمات کلیدی:

آمینواسیدها، پایگاه داده ضمیمه AA، خوشه ­بندی فازی مورد توافق، شاخص­های با کیفیت بالا، اندازه­ گیری­های معتبر، ویژگی­ های فیزیکوشیمیایی

معرفی:

آمینواسیدها مواد شیمیایی شامل یک گروه آمین و یک گروه کربوکسیلیک اسید هستند و یک زنجیر جانبی دارند که بین آمینواسیدهای مختلف تفاوت ایجاد می­کند. آنها پروتئین­ها را تشکیل می­دهند که عناصر حیاتی برای زندگی هستند و وظایف بسیار مهمی در سلول­های زنده دارند. ۲۰ آمینواسید واقع شده طبیعی با خواص فیزیکوشیمیایی و بیوشیمیایی مختلف بلوک­های ساختمانی ساختاری از پروتئین­ها می­باشند. خواص متنوع گسترده­ای از آمینواسیدها در تعداد زیادی از آزمایش­ها و مطالعات تئوریکی که انجام شده است توسعه یافته­اند. هر یک از خاصیت­های این آمینواسیدها می­توانند بوسیله یک بردار با مقادیر ۲۰ عددی نشان داده شوند و ما بوسیله index آمینواسید به آن ارجاع می­دهیم. Nakai و همکارانش (۱۹۸۸).

با ۲۲۲ شاخص­های آمینواسیدها از ادبیات چاپ شده نتایجی را گرفتند و نتایج در میان آنها را با استفاده از آنالیز خوشه­بندی سلسله مراتبی توسعه دادند. متعاقباً  Tomii و Kanehisa (1996) پایگاه داده index AA را با ۴۲ ماتریس­های mutatian آمینواسیدها افزایش دادند و آن را بصورت index2 AA نشان دادند. اخیراً، ۴۷ ماتریس­های پتانسیل تماسی (contact potentral) آمینواسیدها درAA index3 گزارش داده شده­اند. پایگاه داده بصورت پیوسته بوسیله Kawashima و همکارانش (۲۰۰۸ و ۱۹۹۹) و Kawashima  و Kanehisa (2000) به روز­رسانی شد.

در حال حاضر  ۵۴۴شاخص­های آمینواسیدها در پایگاه داده در AA index1 نشان داده شده است. (Footnote1 را ببینید) انتخاب کمینه/ بهینه مجموعه شاخص­های آمینواسیدها برای کاربردهای بیوانفورماتیک­های مختلف یک کار دشوار است و اغلب شامل انتخاب­های تک کاره و کمتر از حد مطلوب می­شود. بنابراین، لازم است که شاخص­های مشابه در خوشه­ها را گروه بندی کنیم و نماینده شاخص خوشه­ها را برچسب زنی نمائیم. علاوه براین به غیر از پایگاه داده AA index، ترکیب آمینواسید Chou’s pseudo (Pse AA) (Chou 2001) و انواع مختلف آن که بوسیلۀ Nanni و همکارانش (۲۰۱۰) توضیح داده شده بود به عنوان یک ابزار جایگزین برای غلبه با سیستم­های مربوط به توالی و مسائل مربوط به پروتئین استفاده شده است. (Chou 2001) و Nanni (2010) و همکارانش، و (۲۰۱۰ و ۲۰۰۹) Georyiou و همکارانش، (۲۰۱۰) Pape و همکارانش، (۲۰۱۰) Wang و همکارانش) خوشه­بندی ((۱۹۷۵) ** (۱۹۸۸)Jain and Dubes، (۲۰۰۷) Oliveira و Pedrycz) یک تکینک گسترده استفاده شده در کاربردهای داده کاوی تشخیصی الگوها در داده­های اساسی می­باشد که فضای ورودی را در K منطقه وابسته به برخی ماتریس­های مشابه و غیرمشابه تقسیم­بندی می­کند، در جایی که مقدار  K ممکن است یا ممکن نیست شناخته شده باشد بوسیله رابطه علت و معلولی. خوشه­بندی می­تواند در ۲ مُد مختلف اجرا شود:

Fuzzy clustering of physicochemical and biochemical properties of amino acids

In this article, we categorize presently available experimental and theoretical knowledge of various physicochemical and biochemical features of amino acids, as collected in the AAindex database of known 544 amino acid (AA) indices. Previously reported 402 indices were categorized into six groups using hierarchical clustering technique and 142 were left unclustered. However, due to the increasing diversity of the database these indices are overlapping, therefore crisp clustering method may not provide optimal results. Moreover, in various large-scale bioinformatics analyses of whole proteomes, the proper selection of amino acid indices representing their biological significance is crucial for efficient and error-prone encoding of the short functional sequence motifs. In most cases, researchers perform exhaustive manual selection of the most informative indices. These two facts motivated us to analyse the widely used AA indices. The main goal of this article is twofold. First, we present a novel method of partitioning the bioinformatics data using consensus fuzzy clustering, where the recently proposed fuzzy clustering techniques are exploited. Second, we prepare three high quality subsets of all available indices. Superiority of the consensus fuzzy clustering method is demonstrated quantitatively, visually and statistically by comparing it with the previously proposed hierarchical clustered results. The processed AAindex1 database, supplementary material and the software are available at http://sysbio.icm.edu.pl/aaindex/ .

لینک مقاله اصلی:

https://www.ncbi.nlm.nih.gov/pubmed/21993537

افزودن به سبد خرید

لطفاً براي ارسال دیدگاه، ابتدا وارد حساب كاربري خود بشويد

محصولات پر فروش

پر فروش ترین محصولات فروشگاه روکساوب