درك دقیق عملكرد آنزیم ها با یك چارچوب محاسباتی مبتنی بر یادگیری عمیق
گوپا: پژوهشگران ˮمؤسسه علم و فناوری پیشرفته كرهˮ (KAIST) در مطالعه اخیرشان یك ˮچارچوب محاسباتی مبتنی بر یادگیری عمیقˮ (deep learning-powered computational framework ) توسعه داده اند كه قادر به پیش بینی عدد گروه آنزیم ها است.
به گزارش گوپا به نقل از ایسنا و به نقل از ساینس دیلی، پژوهشگران كره ای در مطالعه اخیرشان اظهار كرده اند یك چارچوب محاسباتی موسوم به "دیپ ای سی" (DeepEC) توسعه داده اند كه امكان پیش بینی كیفیت "عدد گروه آنزیم" (enzyme commission numbers) را كه برای شناخت دقیق عملكرد آنزیم ضروری می باشد، فراهم می آورد.
یك تیم از پژوهشگران مؤسسه علم و فناوری پیشرفته كره كه شامل دكتر "جای یانگ ریو" (Jae Yong Ryu)، پروفسور "هیون یوك" (Hyun Uk) و پرفسور "سنگ یاپ لی" ()Sang Yup Lee بودند در مطالعه ای جدید یك چارچوب محاسباتی مبتنی بر یادگیری ماشینی توسعه داده اند كه عدد گروه آنزیم را با دقت بالا پیش بینی می كند.
عدد گروه آنزیم نوعی طبقه بندی آنزیم ها برمبنای واكنشی است كه آنرا كاتالیز می كنند. كمیسیونی كه در سال ۱۹۵۵ در بروكسل برای نامگذاری و طبقه بندی آنزیم ها تشكیل شده بود این روش را پیشنهاد كرده است. روش دیگر، نامگذاری آنزیم ها برمبنای ساختمان شیمیایی آنهاست.
چارچوب محاسباتی "دیپ ای سی" (DeepEC) دنباله پروتئین را بعنوان یك ورودی گرفته و بطور دقیق اعداد گروه آنزیم را بعنوان خروجی پیش بینی می كند. آنزیم ها پروتئین هایی هستند كه واكنش های بیوشیمیایی را كاتالیز می كنند و اعداد گروه آنزیم شامل چهار سطح (a.b.c.d) هستند كه نشان دهنده واكنش های بیوشیمیایی است. بدین سبب شناسایی اعداد گروه آنزیم جهت بررسی دقیق توابع آنزیم و متابولیسم حیاتی می باشد.
اعداد گروه آنزیم معمولاً به توالی پروتئینی كه آنزیم را در طول یك روش نشانه گذاری ژنوم رمزگذاری می كنند، داده می شود. با عنایت به اهمیت اعداد گروه آنزیم، چندین ابزار پیش بینی اعداد گروه آنزیم توسعه داده شده است، اما هم اكنون پژوهشگران در حال توسعه ابزارهای پیشرفته ای هستند.
دیپ ای سی از سه "شبكه عصبی پیچشی یا همگشتی" (CNNs) كه بعنوان یك موتور اصلی برای پیش بینی اعداد گروه آنزیم عمل می كند، بهره برده است.
شبكه های عصبی پیچشی یا همگشتی رده ای از شبكه های عصبی ژرف هستند كه معمولاً برای انجام تحلیل های تصویری یا گفتاری در یادگیری ماشین استفاده می شوند.
شبكه های عصبی پیچشی به منظور كمینه كردن پیش پردازش ها از گونه ای از" پرسپترونهای" (Perceptron) چندلایه استفاده می نمایند. بجای شبكه عصبی پیچشی گاهی از این شبكه ها با نام شبكه های عصبی تغییرناپذیر با انتقال (shift invariant) یا تغییرناپذیر با فضا (space invariant) هم یاد می شود.
دیپ ای سی از یك مجموعه استاندارد طلایی كه شامل ۱ میلیون و ۳۸۸ هزار و ۶۰۶ توالی پروتئین و ۴ هزار و۶۶۹ اعداد گروه آنزیم بود، توسعه یافت.
پژوهشگران در اختتام افزودند: دیپ ای سی می تواند بعنوان یك ابزار مستقل و همین طور بعنوان یك جز نرم افزار شخص ثالث در تركیب با سایر سیستم عامل های كامپیوتری كه واكنش های متابولیكی را بررسی می كنند، مورد استفاده قرار گیرد.
یافته های این مطالعه در مجله" PNAS "منتشر شد.
منبع: گوپا
این مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب