선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 미지의 단백질 자료가 신호서열을 포함하는지를 판별하는 실험을 하였다. 신호서열을 포함하고 있는 자료와 신호서열을 포함하고 있지 않은 자료를 각각 5개의 부분자료로 균둥하게 나누고, 4개의 부분자료로 학습하고 나머지 한 개의 자료에 대해서 예측하는 교차 타당성 (5-fold-cross-validation)을 수행하였다.
- 본 논문에서는 미지의 아미노산 서열이 신호서열을 포함하고 있는지를 예측하고, 신호서열을 포함하는 것으로 예측된 경우에는 절단위치를 예측하는 방법을 제안하였다. 기존의 신호서열 예측방법에서는 아미노산의 종류와 서열상의 위치 정보를 사용하지만, 제안한 방법에서는 아미노산의 생물/화학적인 특성을 이용하였다.
- 러나, 이동 평균을 사용하는 저대역통과 필터링은 주파수 웅답특성면에서 보면 고주파 대역의 감쇠가 미흡하다. 본 연구에서는 소수성을 신호서열 예측에 적용하기 위하여, 고주파 대역의 감쇠특성이 우수하고 감쇠 대역의 선택이 용이한 필터를 사용한다. 산호 서열예측에 효과적인 통과대역을 찾기 위해서 여러 통과 대역을 시험하였고, 본 논문에서는 식 (1)의 시스템 함수와 그림 3의 주파수 웅답을 가지는 IIR(Infinite-duration impulse response) 필터를 사용하였다[14].
- 따라서 상이한 아미노산간의 거리는 아미노산의 종류와 상관없이 같은 값을 갖는다. 본 연구에서는 아미노산마다 고유의 생물화학적인 특성을 반영하여 아미노산의 종류에 종속적인 거리를 정의한다. 아미노산의 소수성과 치환행렬을 이용하여 아미노산간의 유사성을 정의하는데, 소수성은 신호서열의 뚜렷한 구조적 특징인 소수성 영역의 특징을 나타내기에 유용하고, 치환 행렬은 아미노 산간의 진화적인 유사성을 나타낸다.
- 파라미터의 값의 변화가 판별성능에 미치는 영향을 알아보았다. 먼저, 각기 다른 아미노산 서열의 길이에서 의 의 모든 조합에 대한 평균을 조사하였는데, 서열의 길이에 따른 성능의 차이는 크지 않았다[표 6].
가설 설정
- 평활화한다. 두 번째 단계에서는 그림 2의 점선으로 표시된 것과 같은 필터링된 소수성을 이용하여 소수성이 문턱치 0.7 보다 큰 아미노산이 연속적으로 3개 이상 나타날 때 신호서열을 포함한 서열로 판정하고, 소수성이 0.7보다 큰 연속적인 구간을 h-영역으로 가정한다. 세 번째 단계에서는 신호서열의 절단위치는 h-영역 이후와 소포체 막 외부에 놓이는 소수성이 작은 아미노산서열사이에 존재하므로, 절단위치는 폐구간 [ h-영역의 중앙위치, h-영역 이후에 소수성이 최소인 위치+D ]내에 위치하는 것으로 예측한다.
- 있다. 절단 위치인 T위치에 나타나는 아미노산의 종류를 SignalP 3.0[5]에서는 진핵세균의 경우에는 A, C, G, L, P, Q, S, T만이 나타나고, 그람-양성 및 그람 -음성 세균의 경우에는 A, G, S, T만이 나타난다고 가정하였고, 이러한 아미노산이외의 아미노산이 나타난 자료는 실험적인 오류인 경우가 많음을 보였다[5丄 본 논문에서도 같은 방법으로 위의 아미노산이 절단 위치에 나타난 자료만을 신호서열 예측 알고리즘의 학습과 평가에서 사용한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.