Siamese Neural Networks Based Ensemble Model for the Prediction of Protein-Protein Interactions

Abstract

Sinyal iletimi, immünolojik yanıtlar ve metabolik döngüler dahil olmak üzere çok çeşitli biyolojik süreçler, protein-protein etkileşimlerinden etkilenir. Bu etkileşimlerin, hastalıkların kökeninin anlaşılması ve tedavilerin oluşturulması açısından çok büyük etkileri vardır. Ancak protein-protein etkileşimlerini belirlemeye yönelik deneysel yöntemler yoğun kaynak gerektirir, zaman alıcıdır ve kapsamı sınırlıdır. Bu nedenle, protein tanımlamayla ilgili faaliyetlere yardımcı olmak ve bunları geliştirmek için hesaplamalı teknikler önemlidir. Bu çalışma, yalnızca dizi bilgisini kullanarak protein-protein etkileşimlerini tahmin etmek için derin öğrenme ağı oluşturmayı amaçlamaktadır. Protein dizilerini kodlamak için üç farklı kodlama yöntemi kullanılmıştır: İkili Kodlama, Otokovaryans ve Konuma Özel Puanlama Matrisi. Protein-protein etkileşimlerini tahmin etmek amacıyla, protein dizi çiftleri arasındaki karmaşık modelleri bulmak için evrişimli bir Siyam sinir ağı kullanılmıştır. Bu ağ, eşleşen parametrelere sahip iki özdeş alt ağdan oluşmaktadır. Önerilen teknik, insan veri kümesine uygulandığında, PSSM protein temsili yaklaşımını kullanan model için %84.07 doğruluk, %92.45 hassasiyet ve %91.45 kesinlik ile güçlü tahmin performansı göstermektedir. Farklı kodlama tekniklerinin aynı protein dizisinin farklı yönlerini yakaladığı bilindiğinden bu üç kodlayıcıdan gelen çıktıları birleştirmek için bir topluluk yaklaşımı önerilmektedir. Test setinde topluluk yaklaşımı için elde edilen doğruluk %86.27’ye hassasiyet ve %93.07’ye kesinlik ise %92.15’e artırılmıştır. Sonuç, tamamlayıcı özelliklerinden yararlanmak ve protein-protein etkileşimi tahmininin doğruluğunu artırmak için çeşitli kodlama yöntemlerinin entegre edilmesinin önemini vurgulamaktadır.