مقايسه پيش‌بيني ساختار ثانويه پروتئين با استفاده از الگوريتم هاي جنگل تصادفي و ماشين بردار پشتيبان چند دسته اي

معرفي مهارت‌هاي داده‌كاوي به ‌عنوان يك ابزار خودكار براي كاهش پيچيدگي داده‌ها در پايگاه داده‌هاي بيوانفورماتيك و كشف الگوهاي مفيد، معني‌دار و روابط داده‌ها مي‌باشد كه مي‌تواند يك ابزار سودمندي براي محققين مهيا سازد. پروتئين‌ها در بدن تمام موجودات زنده وجود دارند و جزء لازم جهت رشد و ترميم بافت‌هاي بدن هر موجودي هستند؛ بررسي پروتئين‌ها و آزمايش‌هاي مختلف روي آنها در بدن موش‌ها به دليل شباهت‌هايي كه بين فيزيولوژي موش و انسان وجود دارد، مي‌تواند اطلاعات زيادي را در اختيار انسان قرار دهد. هدف اصلي اين پژوهش ارائه يك مدل هوشمند مبتني بر استراتژي يادگيري ماشين جهت پيش‌بيني و تخمين ساختارهاي پروتئين به‌ طور خاص ساختار ثانويه پروتئين است. از اين‌رو در اين تحقيق، الگورينم هاي جنگل تصادفي و ماشين بردار پشتيبان چند دسته اي در نمايش ساختار دوم پروتئين مربوط به يك مجموعه داده¬اي تحت عنوان Data_Cortex_Nuclear كه متعلق به موش است بررسي گرديد. پياده¬سازي الگوريتم‌ها به همراه نرم‌افزارهاي وكا و متلب صورت گرفته است و نتايج حاصل از الگوريتم‌ها با يكديگر مقايسه شدند و جنگل تصادفي بالاترين دقت و كار آيي را داشته است.