دوره 7، شماره 3 - ( 1395 )                   جلد 7 شماره 3 صفحات 20-10 | برگشت به فهرست نسخه ها

XML English Abstract Print


1- دانشگاه تربیت مدرس، تهران
2- استادیار دانشکده علوم زیستی دانشگاه تربیت مدرس، تهران
3- استاد دانشکده علوم زیستی دانشگاه تربیت مدرس، تهران
چکیده:   (9948 مشاهده)
با افزایش روزافزون تعداد ساختارهای اضافه شده به پایگاه‌های اطلاعاتی نظیر PDB، اهمیت مقایسه‌ی ساختاری پروتئین‌ها به منظور بررسی روابط تکاملی بین خانواده‌های مختلف، پیشگویی ساختار و عملکرد در پروتئین‌های تعیین ساختار نشده و نیز طبقه‌بندی ساختاری در پروتئین‌ها ضروری به نظر می‌رسد. برنامه‌های همردیفی ساختاری در پروتئین‌ها به دلیل حجم بالای محاسبات در مقایسه با روش‌های متداول ردیف‌بندی توالی‌ها کندتر هستند و جواب‌های تخمینی را ارائه می‌کنند. از اینرو، طراحی الگوریتم‌های جدید در این زمینه یک مسئله‌ی باز محسوب می‌شود. هدف از این تحقیق، ارائه‌ی الگوریتمی جدید بر مبنای منطبق سازی گراف‌ها جهت انجام ردیف‌بندی‌های ساختاری چندتایی در پروتئین‌ها با استفاده ازبرنامه‌ی NetAl است. ورودی برنامه‌ی PSNetAl فایل‌های ساختاری پروتئین به فرمت PDB است. برای تمامی فایل‌های ساختارهای پروتئین، گراف‌های غیرجهت‌دار و مبتنی بر فاصله ساخته می‌شود و با استفاده از الگوریتمی پیشرونده، همردیفی چندتایی شبکه‌ها انجام می‌شود. بزرگترین زیرگراف مشترک حاصل از همردیفی‌های چندتایی در انتهای برنامه شامل رأس‌های مشترک میان تمامی ساختارهای ورودی است. چنانچه میان ساختارهای ورودی شباهت‌های ساختاری و تکاملی وجود داشته باشد، انتظار می‌رود که موتیف‌های ساختاری مشترک با انجام همردیفی چندتایی شبکه‌ها در بزرگترین زیرگراف مشترک قابل مشاهده باشند. به منظور بررسی عملکرد برنامه، مجموعه داده‌ای شامل 76 خانواده‌ی پروتئینی با متوسط یکسانی بیش از 50% و حداقل دارای سه عضو از پایگاه داده‌ی HOMSTRAD استخراج شد. نتایج حاصل از این خانواده‌ها نشان می‌دهد که همردیفی‌های ساختاری بدرستی انجام شده است و در نتیجه‌ی آن در 67 خانواده از مجموع 76 خانواده بیش از 90% موتیف‌های ساختاری در بزرگترین زیرگراف مشترک دیده می‌شود.
متن کامل [PDF 768 kb]   (3580 دریافت)    
نوع مقاله: کامل پژوهشی | موضوع مقاله: بیو فیزیک
دریافت: 1394/8/17 | پذیرش: 1394/11/17 | انتشار: 1395/8/1

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.