پيشگويي عملكرد اتّصال پروتيينها به ريبونوكلييك اسيد بر اساس خواص فيزيكوشيميايي آنها به كمك روش لوژستيك رگرسيون

RNA-binding function prediction of proteins based on their physicochemical features using the logistic regression method

بار، ممان دوقطبي و مقادير ويژه ممان چهارقطبي به عنوان خواص فيزيكوشيميايي براي پيشگويي عملكردِ اتّصال پروتيينها به ريبونوكلييك اسيد در اين تحقيق مورد استفاده قرار گرفتند. از روش ساده و كارآي لوژستيك رگرسيون براي انجام عمل پيشگويي استفاده شد. در معادله لوجيت حاصل، پارامتر بار بيشترين ضريب (19/19) و بيشترين تاثير را در پيشگويي داشت و بعد از آن پارامتر ممان دوقطبي اهميت داشت. روش لوژستيك رگرسيون به صورت Jackknife بر روي 2601 پروتيين (160 پروتيين متّصل شونده به ريبونوكلييك اسيد و 2441 پروتيين غير متّصل شونده به ريبونوكلييك اسيد) آموزش داده شد. مقدار پارامتر ارزيابيِ مساحت زير منحني ROC (AUC ) مدل نهايي، 83 درصد به دست آمد كه در قياس با روش شبكه عصبي به كار رفته براي پيشگويي خيلي بيشتر مي باشد. مقادير پارامترهاي دقت، صحت و معيار F نيز به ترتيب 94، 59 و 46 درصد به دست آمدند كه همگي بيشتر از مقادير حاصل از روش شبكه عصبي مي باشند. در نتيجه، در اين تحقيق نشان داده شد كه به كمك روش ساده، سريع و دقيقِ لوژستيك رگرسيون، پروتيينهاي متّصل شونده به ريبونوكلييك اسيد مي توانند به خوبي از پروتيينهاي غير متّصل شونده به ريبونوكلييك اسيد (به كمك تعداد اندكِ خواص پيشگوي فيزيكوشيميايي) متمايز شوند.

Charge, dipole moment and quadrupole moment eigenvalues as physicochemical features have been used for the RNA-binding function prediction of proteins, in this study. Simple and efficient logistic regression method was utilized for the prediction process. In the corresponding logit equation, charge feature had the highest coefficient (19.19) and impact on the prediction and dipole moment was the second significant feature. Logistic regression was trained using jackknife procedure on 2601 protein chains (160 RNA-binding proteins and 2441 non RNA-binding proteins). The value for the performance measure of area under the curve of receiver operating characteristics (ROC) was 83% for the final model and is higher than the value obtained by the neural network method for prediction. The values of accuracy, precision and F-measure were 94%, 59% and 46%, respectively, which outperformed the neural network method. In conclusion, we showed that with the help of simple, fast and accurate logistic regression method, RNA-binding proteins can be well distinguished from non RNA-binding proteins using a few number of physicochemical predictor features.