پيش بيني تاخوردگي دامنه پروتئين ها مبتني بر روش DBSCAN

Protein Domain Folding Prediction Based on DBSCAN

در اين مقاله يك روش طبقه بندی تغيير يافته بر مبنای روش های طبقه بندی بر اساس چگالی برای طبقه بندی تاخوردگی پروتئين ها ارائه شده است كه اين روش در برابر وجود نويز مقاوم بوده و از سرعت بالايی برخوردار خواهد بود. طبقه بندی پروتئين ها بمنظور پيش بينی عملكرد آنها و شناسايی خواص پروتئين ها يكی از مسائل بزرگ در حوزه طبقه بندی است. با توجه به پيشرفت علم و دستگاه های توالی يابی پروتئين های بسياری كشف شده اند كه نيازمند يك سيستم طبقه بندی خودكار هستند. اين مقاله روش طبقه بندی خودكاری را برای طبقه بندی پروتئين ها براساس تاخوردگی و اطلاعات مستخرج از توالی ارائه خواهد نمود. همچنين در اين مقاله از روش تركيب اطلاعات فازی برای تركيب اطلاعات طبقه بندی كننده ها جهت افزايش قطعيت عمل طبقه بندی استفاده شده است

This paper presents a density-based clustering approach for data classification of protein folding. The method is shown to perform better as compared with the conventional methods with respect to computational speed and robustness against noise. Protein clustering is known to be one of the important challenges of prediction and identification of protein’s properties and its performances. Due to recent advances in sequence detection devices, many proteins have been discovered which requires an automatic protein clustering system. An automatic protein clustering method is thus presented here which is based on folding and information extracted from the output features of the sequence. Further, fuzzy data fusion is used to combine the clustered information in order to improve the clustering performance.