జర్నల్ ఆఫ్ డేటా మైనింగ్ ఇన్ జెనోమిక్స్ & ప్రోటీమిక్స్

నైరూప్య

స్ట్రక్చరల్ ఆల్ఫాబెట్ ద్వారా ప్రోటీన్ ప్రైమరీ సీక్వెన్స్ నుండి ఇంట్రెస్ట్ స్ట్రక్చరల్ ప్యాటర్న్స్ ప్రిడిక్షన్: ఇలస్ట్రేషన్ టు ATP/GTP బైండింగ్ సైట్ ప్రిడిక్షన్

క్రిస్టెల్లె రేన్స్, లెస్లీ రెగాడ్, రాబర్ట్ సబాటియర్ మరియు అన్నే-క్లాడ్ కాంప్రౌక్స్

జీవసంబంధమైన విధులకు లేదా నిర్మాణానికి సంబంధించిన నిర్దిష్ట నిర్మాణాత్మక మూలాంశాల అంచనా అత్యంత ముఖ్యమైనది. ఎటువంటి నిర్మాణ సమాచారం లేకుండా ప్రాథమిక శ్రేణుల లభ్యత పెరుగుతున్నందున, అమైనో-యాసిడ్ (AA) శ్రేణుల నుండి అంచనాలు అవసరం. నిర్మాణాత్మక మూలాంశాల యొక్క ప్రతిపాదిత అంచనా పద్ధతి నిర్మాణాత్మక వర్ణమాల ఆధారంగా రెండు-దశల విధానం. ఈ వర్ణమాల ఏదైనా 3D నిర్మాణాన్ని 1D స్ట్రక్చరల్ లెటర్స్ (SL)కి ఎన్‌కోడ్ చేయడానికి అనుమతిస్తుంది. మొదట, AA మరియు SL మధ్య ప్రాథమిక కరస్పాండెన్స్ నియమాలు జన్యు ప్రోగ్రామింగ్ ద్వారా నేర్చుకుంటారు. అప్పుడు, ముందుగా గుర్తించిన ఆసక్తి మూలాంశం కోసం ఒక హిడెన్ మార్కోవ్ మోడల్ నేర్చుకుంటారు. చివరగా, ఏదైనా అమైనో-యాసిడ్ సీక్వెన్స్ కోసం ఇచ్చిన 3D మూలాంశానికి అనుగుణంగా సంభావ్యత అందించబడుతుంది. క్లాసికల్ ఫంక్షన్ కోసం మా పద్ధతి యొక్క సామర్థ్యాన్ని ఇతర వాటితో పోల్చడానికి ఈ పద్ధతి ATP బైండింగ్ సైట్‌లలో వర్తించబడుతుంది. తర్వాత, చాలా అరుదుగా అంచనా వేయబడిన ఫంక్షన్‌లకు లేదా ఇతర రకాల మూలాంశాలకు సంబంధించిన మూలాంశాలను నేర్చుకునే పద్ధతి సామర్థ్యం ఉదహరించబడింది.