Slides -a._beloborodov
0 likes130 views
Документ описывает метод предсказания функциональных участков белков путем анализа взаимосвязей между аминокислотными остатками. Основное внимание уделяется построению модели, учитывающей физико-химические и электростатические свойства остатков, а также взаимодействия между ними. Представлены подходы к классификации функциональности остатков и взаимодействий, включая использование логистической регрессии и итеративных методов анализа.
Slides -a._beloborodov
- 1. FUNCTIONAL SITE PREDICTION BY EXPLOITING CORRELATIONS BETWEEN LABELS OF INTERACTING RESIDUES Андрей Белобородов Предсказание функциональных участков белков по зависимостям в типах взаимосвязи аминокислотных остатков 17
- 2. ЗАЧЕМ? Белки важны Белков много Структура определяет функциональность …но нетривиально Задача: предсказать по структуре белка какие аминокислотные остатки будут функциональны в нём. 2
- 3. ЧТО? Белок состоит из соединённых в цепочку аминокислот. Каждая аминокислота-кирпичик может быть функциональной – участвовать в реакциях с другими веществами или нефункциональной – служить каркасом белка. При построении модели учитываются всевозможные параметры остатков. Положение в группе остатков Физико-химические свойства Электростатические свойства 3
- 4. ПОДХОДЫ Шаблоны - поиск 3D паттернов в структуре белка. Паттерны строятся экспертом. Остатки – обучение компьютерных моделей распознавать функциональные остатки, на основе тренировочных выборок. Предложенный способ относится ко 2ой категории с элементами первой Нигде не учитывается взаимодействие между аминокислотными остатками 4
- 5. СЕТЬ ВЗАИМОДЕЙСТВИЙ ОСТАТКОВ Residue Interaction Network (RIN) Белок, содержащий n аминокислотных остатков Информация о контакте остатков Признак функциональности остатка Информация о взаимосвязи (схожести) остатков 5
- 6. 6 1 2 3 4 5 6 8 12 11 10 7 E 1 2 3 4 5 6 7 8 9 10 11 12 1 1 1 0 0 0 0 0 0 0 0 0 0 2 1 1 1 0 0 0 0 0 1 1 0 0 3 0 1 1 1 0 0 0 0 1 1 0 0 4 0 0 1 1 1 0 0 0 0 0 0 0 5 0 0 0 1 1 1 0 0 0 0 0 0 6 0 0 0 0 1 1 1 0 0 0 0 0 7 0 0 0 0 0 1 1 1 0 0 0 0 8 0 0 0 0 0 0 1 1 1 0 0 0 9 0 1 1 0 0 0 0 1 1 1 0 0 10 0 1 1 0 0 0 0 0 1 1 1 0 11 0 0 0 0 0 0 0 0 0 1 1 1 12 0 0 0 0 0 0 0 0 0 0 1 1 9 Y -1 -1 -1 -1 -1 -1 -1 1 1 1 1 -1 W 1 2 3 4 5 6 7 8 9 10 11 12 1 1 1 0 0 0 0 0 0 0 0 0 0 2 1 1 1 0 0 0 0 0 -1 -1 0 0 3 0 1 1 1 0 0 0 0 -1 -1 0 0 4 0 0 1 1 1 0 0 0 0 0 0 0 5 0 0 0 1 1 1 0 0 0 0 0 0 6 0 0 0 0 1 1 1 0 0 0 0 0 7 0 0 0 0 0 1 1 -1 0 0 0 0 8 0 0 0 0 0 0 -1 1 1 0 0 0 9 0 -1 -1 0 0 0 0 1 1 1 0 0 10 0 -1 -1 0 0 0 0 0 1 1 1 0 11 0 0 0 0 0 0 0 0 0 1 1 -1 12 0 0 0 0 0 0 0 0 0 0 -1 1
- 8. РЕГУЛЯРИЗОВАННАЯ L1 ЛОГИСТИЧЕСКАЯ РЕГРЕССИЯ 𝑥 = 𝑎 + 𝑥′ 𝑎 – параметр, склоняющий классификатор в ту или иную сторону 8
- 9. ЛОКАЛЬНЫЙ КЛАССИФИКАТОР Local classifier 𝑥 - вектор (набор) известных параметров остатка 𝑎 Вероятность того, что остаток окажется функциональным на основе его параметров Порог после которого считать, что остаток функционален 9
- 10. КЛАССИФИКАТОР ТИПОВ ВЗАИМОСВЯЗЕЙ Interaction Polarity Classifier Конкатенация параметров остатков Вероятность того, что два остатка окажутся одинаковыми на основе их параметров Порог после которого считать, что связь есть 10
- 12. ИТЕРАТИВНАЯ НАХОЖДЕНИЕ КОНСЕНСУСА Iterative collective inference scheme Степень подтверждения статуса остатка от соседей Порог, после которого принимается решение переобозначить вектор 12
- 13. 13 1 2 3 4 5 6 8 12 11 10 7 E 1 2 3 4 5 6 7 8 9 10 11 12 1 1 1 0 0 0 0 0 0 0 0 0 0 2 1 1 1 0 0 0 0 0 1 1 0 0 3 0 1 1 1 0 0 0 0 1 1 0 0 4 0 0 1 1 1 0 0 0 0 0 0 0 5 0 0 0 1 1 1 0 0 0 0 0 0 6 0 0 0 0 1 1 1 0 0 0 0 0 7 0 0 0 0 0 1 1 1 0 0 0 0 8 0 0 0 0 0 0 1 1 1 0 0 0 9 0 1 1 0 0 0 0 1 1 1 0 0 10 0 1 1 0 0 0 0 0 1 1 1 0 11 0 0 0 0 0 0 0 0 0 1 1 1 12 0 0 0 0 0 0 0 0 0 0 1 1 9 Y -1 -1 1 1 -1 -1 -1 1 -1 1 1 -1 W 1 2 3 4 5 6 7 8 9 10 11 12 1 1 1 0 0 0 0 0 0 0 0 0 0 2 1 1 1 0 0 0 0 0 -1 -1 0 0 3 0 1 1 1 0 0 0 0 -1 -1 0 0 4 0 0 1 1 1 0 0 0 0 0 0 0 5 0 0 0 1 1 1 0 0 0 0 0 0 6 0 0 0 0 1 1 1 0 0 0 0 0 7 0 0 0 0 0 1 1 -1 0 0 0 0 8 0 0 0 0 0 0 -1 1 -1 0 0 0 9 0 -1 -1 0 0 0 0 -1 1 1 0 0 10 0 -1 -1 0 0 0 0 0 1 1 -1 0 11 0 0 0 0 0 0 0 0 0 -1 1 -1 12 0 0 0 0 0 0 0 0 0 0 -1 1 Q 0 1 1 0 0 0 0 1 1 1 1 0 Q 0 1 1 0 0 0 0 1.75.75 1 0
- 14. PR, НО НЕ РЕКЛАМА Precision= = Recall = = 14
- 15. РЕЗУЛЬТАТЫ 15
- 16. СРАВНЕНИЕ С ДРУГИМИ МЕТОДАМИ 16
- 17. СПАСИБО ЗА ВНИМАНИЕ Подходящий момент, чтобы задать вопрос 17