利用长距离信息和隐马尔可夫模型中的新解码技术预测相互作用残留

利用长距离信息和隐马尔可夫模型中的新解码技术预测相互作用残留(中文3800字,英文PDF)
摘要—蛋白质与蛋白质，蛋白质与配体之间残基的相互作用的鉴定识别对理解和预测相互作用是十分重要的，而且还对药物的诱变和设计产生深远的实际影响。在这项工作中，我们引入了一个新的解码算法，ETB维特比算法，运用了一种早期的回溯机制，并应用于交互隐马尔可夫模型（iphmms）中，使残留物之间的长距离相关性得到完美结合优化，从而提高了预测精度。这种方法在3did数据库中一组结构域里有相互作用的群组上得到应用和测试。通过F值测量方法显示出此方法具有测量精度达到统计学上的显著改善，为测量和评估该方法捕捉相关信号的有效性和鲁棒性，应用了基于有可控作用的残留物之间的3DID模拟仿真数据集，以及反转序列方向。它表明随着相关性的提高，预测结果也在不断地改善，并没有受序列的方向产生显著地影响。
关键词—生物信息学，解码，隐藏马尔可夫模型，蛋白质。