Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/68652
Title: โปรแกรมวิเคราะห์ฮอมอโลยีของโปรตีนโดยใช้แผนภูมิ 2 มิติของกรดอะมิโน
Other Titles: Protein homology analysis using 2-dimensional amino acid pattern program
Authors: วิทูร วิริยพิพัฒน์
Advisors: รัฐ พิชญางกูร
รูฟโฟโล, เดวิด
Other author: จุฬาลงกรณ์มหาวิทยาลัย. บัณฑิตวิทยาลัย
Advisor's Email: Rath.P@Chula.ac.th
ไม่มีข้อมูล
Subjects: โฮโมโลยี (ชีววิทยา)
กรดอะมิโน
โปรตีน
นิวรัลเน็ตเวิร์ค (วิทยาการคอมพิวเตอร์)
Homology (Biology)
Amino acids
Proteins
Neural networks (Computer science)
Issue Date: 2542
Publisher: จุฬาลงกรณ์มหาวิทยาลัย
Abstract: ความก้าวหน้าทางพันธุวิศวกรรม และชีวเคมี ทำให้ทราบถึงลำดับของกรดอะมิโนของโปรตีนมากมาย การทดสอบฮอมอโลยีของโปรตีนจากลำดับของกรดอะมิโนยังมีข้อจำกัดอยู่มาก วิธีการที่นิยมใช้และเป็นมาตรฐานในปัจจุบันคือ วิธี alignment ลำดับของกรดอะมิโน แต่วิธีการนี้ยังประสบปัญหาอันเกิดจาก การเว้นช่วง (gap) และการมี sequence identity ต่ำ ซึ่งทำให้ไม่สามารถทดสอบความคล้ายกันของลำดับของกรดอะมิโนได้ การวิเคราะห์ลำดับของกรดอะมิโนโดยปรับข้อมูลให้อยู่ในรูปแผนภูมิ 2 มิติเป็นเทคนิคที่มีผู้นำมาใช้อย่างได้ผลในการทำนายโครงสร้างทุติยภูมิและความคล้ายของโปรตีน โครงการนี้ได้นำแนวคิดนี้มาผนวกกับข้อมูลทางเคมี และชีวเคมีของกรดอะมิโนแต่ละตัว สร้างแผนภูมิ 2 มิติใหม่ เพื่อใช้ในการเปรียบเทียบฮอมอโลยีหรือความคล้ายของโปรตีน ด้วยแนวคิดที่ว่าโปรตีนที่ฮอมอโลกัสกันจะให้แผนภูมิ 2 มิติที่เหมือนกันหรือคล้ายกัน แล้วใช้ neural networks ช่วยในการพิจารณาความเหมือนกันหรือคล้ายกันของแผนภูมิ 2 มิติใหม่ที่สร้างขึ้น พบว่าเมื่อนำโปรตีนที่มี sequence identity ต่าง ๆ กัน ตั้งแต่ร้อยละ 35 ถึง ร้อยละ 97 มาสร้างแผนภูมิ 2 มิติ ผลที่ได้คือ โปรตีนที่ฮอมอโลกัสกันก็จะให้แผนกูมิ 2 มิติที่เหมือนหรือคล้ายกัน และได้สร้างโครงข่ายประสาทเทียมพิจารณาความเหมือนหรือคล้ายกันของแผนภูมิ 2 มิติขนาดเล็ก ที่เกิดจากลำดับของกรดอะมิโน 18 ตัว จากโปรตีน 5 กลุ่ม พบว่าโครงข่ายประสาทเทียมสามารถพิจารณาเปรยบเทียบได้ถูกต้องประมาณร้อยละ 86 ถึง ร้อยละ 92
Other Abstract: Presently, an enormous number of protein sequences has been generated by advanced techniques in molecular biology and genetic engineering. However, protein homology searching by comparing amino acid sequences is complicated. The standard and most popular method is linear alignment. This method has many limitations, for example, gaps present in the protein sequence and low sequence identity could interfere with the protein alignment. A two-dimensional representation of proteins has been successfully used in classification of secondary structure as well as similarity of proteins. This research uses this method to generate 2-dimensional patterns and incorporate data on the chemical/biochemical characteristics of each amino acid are incorporated. Computer neural networks were used to identify the similarity of the amino acid patterns. When proteins with a sequence identity of 35%-97% were used to generate the 2-dimensional patterns, similar patterns of amino acids were found. Neural networks were built to identify the similarity category of a 18-amino acid window from 5 groups of homologous proteins. The neural networks we built can identify the similarity category to an accuracy of approximately 86-92%.
Description: วิทยานิพนธ์ (วท.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2542
Degree Name: วิทยาศาสตรมหาบัณฑิต
Degree Level: ปริญญาโท
Degree Discipline: วิทยาการคณนา
URI: http://cuir.car.chula.ac.th/handle/123456789/68652
ISBN: 9743331581
Type: Thesis
Appears in Collections:Grad - Theses

Files in This Item:
File Description SizeFormat 
Witoon_wi_front_p.pdfหน้าปก และบทคัดย่อ1.01 MBAdobe PDFView/Open
Witoon_wi_ch1_p.pdfบทที่ 1771.42 kBAdobe PDFView/Open
Witoon_wi_ch2_p.pdfบทที่ 21.82 MBAdobe PDFView/Open
Witoon_wi_ch3_p.pdfบทที่ 31.34 MBAdobe PDFView/Open
Witoon_wi_ch4_p.pdfบทที่ 41.63 MBAdobe PDFView/Open
Witoon_wi_ch5_p.pdfบทที่ 5742.13 kBAdobe PDFView/Open
Witoon_wi_ch6_p.pdfบทที่ 6652.1 kBAdobe PDFView/Open
Witoon_wi_back_p.pdfบรรณานุกรม และภาคผนวก3.04 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.