ارائه مدلی کارآمد به‏‏ منظور پیش‏بینی پپتیدهای ضدمیکروبی با استفاده از الگوریتم های هوش مصنوعی

هدف از انجام این تحقیق پیشنهاد یک الگوریتم کارآمد به‏‏منظور پیش‏بینی پپتیدهای ضد‏میکروبی با استفاده از الگوریتم های هوش‏ مصنوعی می باشد.

در این تحقیق، ابتدا یک مجموعه داده پپتیدهای ضدمیکروبی و پپتیدهای فاقد فعالیت ضد‏میکروبی به روز شامل ویژگی های فیزیکو‏شیمیایی در سطح اسیدهای آمینه و توالی پروتئین در سه گونه حیوانی و انسان استخراج گردید. پس از کاوش داده ها و مراحل پیش‏پردازش داده، چهار روش یادگیری با نظارت شامل الگوریتم درخت تصمیم‏گیری ، الگوریتم جنگل تصادفی، الگوریتم بیز ساده و الگوریتم ماشین بردار پشتیبان بر روی مجموعه داده پپتیدهای ضدمیکروبی و پپتیدهای فاقد فعالیت ضد‏میکروبی با اعتبارسنجی متقابل 10 برابری برای ساخت مدل ها و پیش‏بینی برچسب پپتیدهای ضدمیکروبی با استفاده از معیارهای ارزیابی اختصاصی‏ بودن، حساسیت، نرخ صحت، معیار دقیق بودن، نرخ کامل بودن، معیار اف و سطح زیر منحنی راک ارزیابی گردید.

در این تحقیق با استفاده از یک مجموعه داده به‏ روز، یک مدل یادگیری ماشین. با موفقیت برای پیش بینی پپتیدهای ضد‏میکروبی آموزش داده شده است. مجموعه جامعی از ویژگی های تحت انتخاب ویژگی قرار گرفته اند تا ویژگی های کلیدی پپتیدهای ضد‏میکروبی را شناسایی کنند. پس از انتخاب ویژگی، در میان مدل های مختلف تولید شده، مدل مبتنی بر طبقه بندی کننده مدل جنگل ‏‏تصادفی با نرخ صحت (95 درصد)، معیاردقیق بودن (96 درصد)، نرخ کامل بودن (95 درصد) و معیار اف (95 درصد)، بهترین عملکرد را نشان داد. از چهار الگوریتم دسته‏ بندی، الگوریتم جنگل تصادفی و ماشین بردار پشتیبان بیشترین دقت را دارند. و الگوریتم دسته ‏بند درخت تصمیم ‏گیری کمترین دقت را داشت.

با توجه به نتایج به ‏دست آمده مدل پیشنهادی جنگل تصادفی عملکرد بهتری نسبت به سایر مدل ها برای پیش‏بینی پپتیدهای ضد‏میکروبی دارد، این مدل برخی از پپتیدها را به‏ عنوان پپتید با خاصیت ضد‏میکروبی پیش‏ بینی کردند. این رویکرد پیش بینی می تواند در استخراج پپتیدهای ضد‏میکروبی از کتابخانه های پپتیدهای ضد‏میکروبی در کاربردهای بالینی مفید قبل از حرکت به مطالعات تجربی مفید باشد. از سوی دیگر، چندین ویژگی در ویژگی های انتخابی نهایی نشان می دهد که این ویژگی ها تعیین کننده حیاتی خواص پپتیدها هستند و باید در توسعه مدل هایی برای پیش بینی فعالیت پپتیدها در نظر گرفته شوند. کد اجرایی در فایل پیوست موجود است.