蛋白质组学与生物信息学杂志
开放获取

抽象的

使用贝叶斯正则化前馈反向传播 ANN 技术预测氧化还原酶蛋白家族的二级结构

Brijesh Singh Yadav、Mayank Pokhariyal、Barkha Ratta、Gaurava Rai、Meeta Saxena、Bhaskar Sharma 和 KPMishra

人工神经网络（ANN）是神经系统的简化模型，其中神经元被视为简单的处理单元，与称为突触效应的加权连接相连。这些权重根据学习算法逐渐调整。氧化还原酶是催化氧化还原反应的一类酶中的任何一种，即它们参与分子之间氢或电子的转移。它们包括氧化酶和脱氢酶。

本文尝试开发一种基于神经网络的方法来预测蛋白质（人类氧化还原酶家族）的二级结构。该神经网络已使用贝叶斯正则化前馈反向传播神经网络技术进行训练，以预测该蛋白质家族的螺旋、片层和卷曲区域。通过分析 25 个参数的窗口来训练前馈神经网络，用于预测蛋白质序列的中心残基。PSI-BLAST 已用于多序列比对。SCOP和PDB数据库已用于搜索蛋白质的一级和二级结构以及训练数据集。该方法正确识别了人氧化还原酶家族的二级结构，准确率超过79%，远高于之前报道的任何方法。