Protein Structure Classification and Loop Modeling Using Multiple Ramachandran Distributions

به تازگی، مطالعه ساختارهای پروتئینی با استفاده از نمایندگی زاویه، توجه زیادی را در بین زیست شناسان ساختاری به خود جلب کرده است. چالش اصلی این است که چگونه به طور موثر فضای کنترلی پیوسته ساختارهای پروتئینی بر اساس تفاوت ها و شباهت ها بین توطئه های مختلف راماهاندران مدل سازی شود. علیرغم وجود روش های آماری برای مدل سازی داده های زاویه ای پروتئین، هنوز برای ابزارهای پیشرفته تر و سریعتر آماری برای مدل سازی داده های دایره ای در مقیاس بزرگ، نیاز اساسی وجود دارد. برای رسیدگی به این نیاز، ما یک روش غیر پارامتری برای تخمین جمعی توابع چگالی دوگانه چندگانه برای مجموعه ای از جمعیت زاویه ستون فقرات پروتئین ایجاد کرده ایم. روش پیشنهادی، طبیعت دایره ای داده های زاویه ای را با استفاده از اسپیلین مثلثاتی که بیشتر در مقایسه با روش های موجود کارایی بیشتری دارد، در نظر می گیرد. این روش برآورد چگالی جمعی به طور گسترده ای مورد استفاده قرار می گیرد زمانی که نیاز به ارزیابی توابع چندگانه از جمعیت های مختلف با ویژگی های مشترک وجود دارد. علاوه بر این، ضرایب گسترش انبساط پایه برای تراکم اتصالات، یک نمایش کم ابعادی ارائه می دهند که برای تجسم، خوشه بندی و طبقه بندی تراکم مفید است. روش پیشنهادی یک دیدگاه جدید و منحصر به فرد برای دو مشکل مهم و چالش برانگیز در تحقیق ساختار پروتئین ارائه می دهد: طبقه بندی پروتئین مبتنی بر ساختار و پیش بینی ساختار پروتئینی پروتئین پروتون بر اساس نمونه گیری.