Przewidywanie struktury drugorz¿dowej bia¿ka

W ci-gu ostatnich wielu lat do rozwi-zywania ró-nych problemów biologicznych zastosowano ró-ne modele obliczeniowe. Opracowano ró-ne predykatory regionu transmembranowego do przewidywania wtórnej struktury biäek z ró-nym poziomem dok-adno-ci. Ksi--ka ta dostarcza Adaptacyjny Neuro-Fuzzy Inference System (ANFIS) oparty na modelu do przewidywania helikalnego regionu transmembranowego poprzez pozyskiwanie informacji strukturalnych biäka docelowego bezpo-rednio z danych jego sekwencji. Ponadto, opracowano system rozmytego wnioskowania przy u-yciu tego samego zestawu testowego do porównywania wydajno-ci modelu ANFIS. Najlepsza konfiguracja modelu ANFIS z RMSE i dok-adno-ci- odpowiednio 40,92% i 76,76% wydaje si- przewy-szä model rozmyty, który osi-gn-- RMSE i dok-adno-- odpowiednio 54,45% i 70,37%. Sukces tego podej-cia sugeruje, -e mo-e ono znale-- potencjalne zastosowania w innych problemach zwi-zanych z analiz- sekwencyjn-. Model opisany w tej ksi--ce b-dzie przydatny dla bioinformatyków opracowuj-cych nowe, ambitne modele rozwi-zywania ró-nych problemów biologicznych.

Indu Khatri, M.Sc.: Estudió Bioinformática en la Universidad de Banasthali, Rajastán, India. Dr. A. K. Sharma, PhD: Estudió Ciencias Informáticas en la Universidad de Thapar (Instituto de Ingeniería y Tecnología de Thapar), Punjab, India. Científico superior de aplicaciones informáticas en la agricultura en el Instituto Nacional de Investigaciones Lecheras (NDRI), Karnal, (Haryana), India.