شناسايي باكتري هاي مقاوم به گرما بر اساس انتخاب بازنمايي مناسب از توالي پروتئين با استفاده از رويكرد يادگيري عميق

زمينه و هدف: شناسايي مكانيزم هاي موثر در مقاومت باكتري ها به گرما جهت ايجاد سويه هاي مقاوم به گرما در صنايعي از جمله صنايع غذايي، ساخت منسوجات و به خصوص در صنايع توليدكننده مواد شوينده، بسيار حائز اهميت مي باشد. به اين منظور، از ابزارهاي يادگيري عميق براي شناسايي خصوصيات باكتري هاي مقاوم به گرما بر اساس خصوصيات پروتئيني استفاده گرديد. روش بررسي: برخي از خصوصيات پروتئين هاي مقاوم و غير مقاوم به گرما از قبيل ويژگي هاي ساختاري اسيدآمينه ها، تعداد و فركانس هر اسيدآمينه و خصوصيات فيزيكوشيميايي آنها محاسبه گرديدند. مجموعه داده ها جهت رده بندي باكتري ها، در سه مرحله انجام شد: ابتدا از مدل هاي وزن دهي براي شناسايي متغيرهاي مهم استفاده شده و سپس آنها انتخاب شده و نهايتا با استفاده از شبكه يادگيري عميق نسبت به استخراج سلسله مراتب ويژگي ها اقدام گرديد. يافته ها: نتايج ده روش وزن دهي نشان دادند كه از بين 73 خصوصيات تعداد و فركانس اسيدهاي آمينه، تنها 40 ويژگي، وزن بالاتر از صفر داشتند. از اين تعداد، 13 ويژگي، وزن بالاتر از ۰.۵ را كسب كرده و تنها 10 ويژگي ميانگين وزن اختصاص داده به آنها بالاتر از 0.09 بوده است. اين ده ويژگي به عنوان متغيرهاي مهم انتخاب شدند. ويژگي هاي فركانس گلوتامين و فركانس اسيدگلوتاميك بيشترين وزن را اخذ كرده و به عنوان دو خصوصيت مهم در رده بندي باكتري هاي مقاوم و غيرمقاوم به گرما معرفي شدند. بيشترين دقت رده بندي باكتري هاي مقاوم به گرما در رويكرد سوم برابر 92.42% بدست آمد. نتيجه گيري: شبكه هاي عصبي عميق با استخراج سلسله مراتب ويژگي ها، مي تواند به خوبي باكتري هاي مقاوم به گرما را بر اساس خصوصيات پروتئيني آنها شناسايي كند.