జర్నల్ ఆఫ్ డేటా మైనింగ్ ఇన్ జెనోమిక్స్ & ప్రోటీమిక్స్

నైరూప్య

కన్జర్వేటివ్ గ్రేడ్ మరియు ప్రాక్సిమేట్ గ్రేడ్ ఉపయోగించి ప్రోటీన్ ఫంక్షనల్ సైట్ ప్రిడిక్షన్

యోసుకే కొండో మరియు సతోరు మియాజాకి*

ఇప్పటివరకు, ప్రోటీన్ యొక్క ముఖ్యమైన సైట్‌లను అంచనా వేయడానికి, అనేక గణన పద్ధతులు అభివృద్ధి చేయబడ్డాయి. బిగ్-డేటా యుగంలో, నిర్మాణాత్మక డేటాలో సీక్వెన్స్ డేటాను సమగ్రపరచడం ద్వారా ఇప్పటికే ఉన్న పద్ధతుల మెరుగుదలలు మరియు అధునాతనత కోసం ఇది అవసరం. ఈ పేపర్‌లో, మేము రెండు విషయాలను లక్ష్యంగా చేసుకున్నాము: సీక్వెన్స్-ఆధారిత పద్ధతులను మెరుగుపరచడం మరియు సీక్వెన్స్ మరియు స్ట్రక్చరల్ డేటా రెండింటినీ ఉపయోగించి కొత్త పద్ధతిని అభివృద్ధి చేయడం. అందువల్ల, మేము వాస్తవానికి సవరించిన పరిణామ ట్రేస్ పద్ధతిని అభివృద్ధి చేసాము, దీనిలో ప్రోటీన్-అయాన్, ప్రోటీన్-లిగాండ్, ప్రోటీన్-న్యూక్లియిక్ దృక్కోణం నుండి ఊహించిన క్రియాశీల సైట్‌లను మూల్యాంకనం చేయడానికి ఇచ్చిన బహుళ శ్రేణి అమరిక మరియు ప్రాక్సిమేట్ గ్రేడ్ నుండి లెక్కించబడిన సాంప్రదాయిక గ్రేడ్‌లను మేము నిర్వచించాము. త్రిమితీయ నిర్మాణాలను ఉపయోగించడం ద్వారా ఆమ్లం, ప్రోటీన్‌ప్రొటీన్ పరస్పర చర్య. మరో మాటలో చెప్పాలంటే, ప్రాక్సిమేట్ గ్రేడ్ కూడా అమైనో యాసిడ్ అవశేషాలను అంచనా వేయగలదు. మేము మా పద్ధతిని అనువాద పొడిగింపు కారకం Tu/1A ప్రోటీన్‌లకు వర్తింపజేసినప్పుడు, సాంప్రదాయిక గ్రేడ్‌లు సమీప గ్రేడ్ ద్వారా ఖచ్చితంగా మూల్యాంకనం చేయబడతాయని చూపింది. పర్యవసానంగా, మా ఆలోచన రెండు ప్రయోజనాలను సూచించింది. ఒకటి, మూల్యాంకనం కోసం మనం వివిధ కోక్రిస్టల్ నిర్మాణాలను పరిగణనలోకి తీసుకోవచ్చు. మరొకటి ఏంటంటే, ఇచ్చిన కన్జర్వేటివ్ గ్రేడ్ మరియు ప్రాక్సిమేట్ గ్రేడ్ మధ్య ఫిట్‌నెస్‌ను లెక్కించడం ద్వారా, మేము ఉత్తమమైన సంప్రదాయవాద గ్రేడ్‌ను ఎంచుకోవచ్చు.