Questo sito utilizza cookie di terze parti per inviarti pubblicità in linea con le tue preferenze. Se vuoi saperne di più clicca QUI 
Chiudendo questo banner, scorrendo questa pagina, cliccando su un link o proseguendo la navigazione in altra maniera, acconsenti all'uso dei cookie. OK

Riconoscimento di sequenze di amminoacidi tramite HMM

Questa tesi presenta un metodo per riconoscere la presenza di ponti di cisteine all'interno di proteine tramite Modelli di Markov Nascosti.

Mostra/Nascondi contenuto.
1Introduzione La bioinformatica ha guadagnato al giorno d’oggi grande popolarita`invari settori, sia nell’ambito scientifico, sia nella nostra quotidianita`, grazie soprat- tutto ad eventi ampiamente pubblicizzati, come la mappatura del genoma umano o la clonazione degli animali; inoltre, in virtu`deipi`u recenti sviluppi tecnologici, le capacita` di calcolo dei moderni elaboratori sono aumentate in maniera esponenziale e molti progetti che non potevano nemmeno essere affrontati con i metodi tradizionali, possono ora essere risolti o almeno sem- plificati utilizzando software e hardware dedicati. In un progetto come quello del genoma umano, ad esempio, un ruolo chiave e` stato svolto dai computer multiprocessore e dai clusters, affiancati da sofisticati sistemi di archiviazione di massa. Fra le varie applicazioni della bioinformatica, esiste anche quella relati- vamente recente dell’analisi di sequenze di aminoacidi, e piu` in generale di classi di proteine. In questo contesto, si inserisce un progetto ministeriale curato da un gruppo di biologi ed informatici di Firenze e dal dott. Trentin per conto dell’Universit ` a degli Studi di Siena. L’obiettivo principale di questo progetto e` quello di realizzare un sistema che, una volta addestrato su opportuni esempi gia` classificati, riesca a preve- dere la formazione di ponti fra coppie di cisteine all’interno di una sequenza: cio` puo` contribuire in maniera significativa a valutare la struttura secondaria della proteina, ed indirettamente anche quella terziaria (spaziale). Da un punto di vista biologico, analizzando la presenza di questi legami, e` possi- bile anche dedurre se l’RNA che verra` prodotto potra` dare origine a cellule anomale, come ad esempio quelle cancerogene. Il progetto parte dal presupposto che in natura esista una qualche “re- gola” che determina la formazione di legami in base agli aminoacidi presenti nelle proteine; regola che non sembra pero` essere derivabile con metodi logici, ma solo interpretabile su base probabilistica. Per questo motivo si utilizza una collezione di proteine nella quale biologi specialisti hanno individuato sperimentalmente i legami della cisteina: basandosi sulla maggior parte di questi esempi (training set, circa 96% del totale nel nostro caso), il sistema proposto tenta di apprendere, con un approccio tipico dell’Intelligenza Arti- ficiale,ci`o che mette in relazione le strutture delle proteine alla formazione dei ponti di cisteina; i parametri di valutazione acquisiti vengono poi appli- cati ai rimanenti esempi (test set) per verificarne l’efficienza confrontando le sequenze riconosciute con quelle note del test set stesso. In sintesi, si e` cercato di valutare le prestazioni di un riconoscitore basato su HMM applicandolo ad un problema di bioinformatica fino ad ora affrontato con altri metodi.

Laurea liv.I

Facoltà: Ingegneria

Autore: Guido Bartoli Contatta »

Composta da 31 pagine.

 

Questa tesi ha raggiunto 1131 click dal 11/04/2005.

Disponibile in PDF, la consultazione è esclusivamente in formato digitale.