پديد آورندگان :
صابركاري، حميدرضا دانشگاه صنعتي سهند، تبريز - دانشكده مهندسي برق , شمسي، موسي دانشگاه صنعتي سهند، تبريز - دانشكده مهندسي برق , صداقي، محمدحسين دانشگاه صنعتي سهند، تبريز - دانشكده مهندسي برق
كليدواژه :
نواحي كدكننده پروتئين , تناوب- 3 , DNA , پنجره با طول متغير , فيلتر باند محدود
چكيده فارسي :
تخمين دقيق نواحي كدكننده پروتئين در ژن ها با استفاده از ابزارهاي پردازش سيگنال، در سال هاي اخير به چالشي در بيوانفورماتيك تبديل شده است. بسياري از روش هاي پردازش سيگنال هاي ژنوميك بر مبناي خاصيت تناوب 3 بازهاي موجود در رشته هاي DNA متمركز بوده و سپس تحليل هاي طيفي بمنظور يافتن موقعيت مولفه هاي متناوب بر روي توالي هاي عددي DNA اعمال مي شود. در اين مقاله با استفاده از پنجره با طول متغير و بر مبناي منحني Z، الگوريتمي بمنظور تعيين نواحي كدكننده پروتئين ارائه مي كنيم. منحني Z، يك منحني سه بعدي منحصربفرد براي نمايش توالي DNA مي باشد كه توصيف كاملي از رفتار بيولوژيكي توالي DNA را بدست مي دهد. الگوريتم پيشنهادي بدليل استفاده از پنجره گوسي با طول قابل تنظيم، از رزولوشن و دقت بسيار بالايي در تخمين نواحي ژني برخوردار بوده و نواحي غيرپروتئيني در آن كاملا حذف مي شود. همچنين بمنظور استخراج مولفه تناوب 3 از يك فيلتر ميانگذر باند محدود با فركانس مركزي 2π/3 استفاده مي نماييم. الگوريتم پيشنهادي ابتدا بر روي توالي F56F11.4 در C.elegans اعمال و نتايج آن با ساير روش هاي موجود مقايسه شده و سپس آنرا بترتيب برروي ژن هاي موجود در دو پايگاه داده HMR195 و BG570 اعمال مي كنيم.
چكيده لاتين :
In recent years, estimation of protein-coding regions in numerical deoxyribonucleic acid (DNA) sequences using signal processing tools has been a challenging issue in bioinformatics, owing to their 3-base periodicity. Several digital signal processing (DSP) tools have been applied in order to Identify the task and concentrated on assigning numerical values to the symbolic DNA sequence, then applying spectral analysis tools such as the discrete Fourier transform (DFT) to locate the periodicity components. Despite of many advantages of Fourier transform in detection of exotic regions, this approach has some restrictions, such as high computational complexity and disability in locating the small length coding regions. In this paper, we improve the performance of the conventional DFT in estimating the protein coding regions utilizing a Gaussian window with variable length. First, the DNA strands are converted to numerical signals via the 3-D Z-curve method. Z curve is a robust, independent, less redundant approach, and has clear biological interpretation which can be regarded as a useful visualization technique for DNA analysis of any length. In the second stage, non-coding regions besides the background noise components are completely suppressed using the Gaussian variable length window. Also, we use a narrow-band band-pass filter in order to extract the period-3 components with central frequency. Performance of the proposed algorithm is tested on F56F11.4 from C.elegans chromosome III, also two eukaryotic datasets, HMR195 and BG570, is compared with other state-of-the-art methods based on the nucleotide evaluation metrics such as sensitivity, specificity, approximation correlation, and precision. Results revealed that, the area under the receiver operating characteristic (ROC) curve is improved from 4% to 40%, in HMR195 and BG570 datasets compared to other methods. Furthermore, the proposed algorithm reduces the number of incorrect nucleotides which are estimated as coding regions.
