مقاله استفاده از خواص فیزیکی-شیمیایی آمینواسیدها در پیش بینی باندشدن پپتید آنتیژنی به مولکول ? کلاس MHC

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله استفاده از خواص فیزیکی-شیمیایی آمینواسیدها در پیش بینی باندشدن پپتید آنتیژنی به مولکول ? کلاس MHC دارای ۲ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله استفاده از خواص فیزیکی-شیمیایی آمینواسیدها در پیش بینی باندشدن پپتید آنتیژنی به مولکول ? کلاس MHC  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله استفاده از خواص فیزیکی-شیمیایی آمینواسیدها در پیش بینی باندشدن پپتید آنتیژنی به مولکول ? کلاس MHC،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله استفاده از خواص فیزیکی-شیمیایی آمینواسیدها در پیش بینی باندشدن پپتید آنتیژنی به مولکول ? کلاس MHC :

تعداد صفحات:۲

چکیده:

پپتیدهایی که به مولکولهای سازگار بافتی (MHC) باند شده و منجر به بروز پاسخ ایمنی میشوند، اپیتوپ های سلول T نامیده می شوند. شناسایی این پپتیدها در فهم پاتوژنر بیماری ها، طراحی واکسن و ایمنی درمانی مهم میباشد. از آنجایی که آزمایشات مورد نیاز برای شناسایی این پپتیدها، پرهزینه و زمان بر می باشند، توسعه ی روشهای محاسباتی به منظور پیشبینی پپتیدهایباندشونده به مولکول MHC، ضروری است. بدین منظور در این مطالعه، روشی برای پیش بینی پپتیدهای باندشونده به مولکول های MHC کلاس پیشنهاد داده ایم که مبتنی بر توصیف خواص فیزیکی-شیمیایی آمینواسیدها است. این بردارهای واصف نتیجه ی اعمال تکنیک آنالیز اجزای اصلی (PCA) بر ۲۳۷ ویژگی فیزیک ی-شیمیایی آمینواسیدها که ازAAIndex به دست آمده اند،می باشند. در این کار، تمامی آمینواسیدهای واقع در دنباله های پپتیدی، با این بردارها، کدگذاری شدند. از آنجایی که داد ه های مورد استفاده در این کار، نامتوازن میباشند، از تکنیک افزایش نمونه کلاس اقلیت به روش ساختگی (SMOTE) به عنوان یک مرحله ی پیش پردازش جهت افزایش نمونه های کلاس اقلیت و ایجاد توازن در توزیع کلا سها، استفاده شده است. در نهایت، روش به عنوان پیش بینی کننده به کار رفته است. روش پیشنهادی، برای پیش بینی پپتیدهای باندشونده به۲۱ الل مختلف از مولکولهای MHC کلاس I مورد استفاده قرار گرفته و کارایی پیش بینی کننده، توسط۵-Fold cross-validation ارزیابی شده است. هم چنین سطح زیر منحنی ROC به عنوان معیاری برای مقایسه ی نتایج به دست آمده، با نتایج مربوط به سه روش قبلی، شامل یک روش مبتنی بر شبکه عصبی و دو روش مبتنی بر ماتریس، استفاده شد. در تمامی موارد، عملکرد روش پیشنهادی در مقایسه با روش های قبلی، بهتر بوده است. علاوه بر آن، به علت وجود الگوهای دنبالهای مشترک در اپی توپهای سلول T، روش های مبتنی بر موتیف نظیر ماتریس امتیاز برمبنای موقعیت (PSSM) نیز می توانند عمل کرد مطلوبی در پیش بینی اینپپتیدها داشته باشند. ما به منظور بررسی این موضوع، عملکرد روش PSSM را با روش پیشنهادی در مورد اللHLA-A*0101 مورد مقایسه قرار داده ایم. نتایج به دست آمده نشان می دهند که با کاهش تعداد داده ها، کارایی روش PSSM نیز کاهش مییابددرحالی که تغییر ناچیزی را در عملکرد روش پیشنهادی، میتوان مشاهده نمود.