پیش بینی تعاملات پروتئینی به کمک شبکه عصبی خود رمزگذار متغیر و جنگل تصادفی

تعاملات پروتئین-پروتئین نقشی کلیدی در بیوشیمی ایفا میکنند چراکه عملکردهای بیولوژیکی نتیجه فعلوانفعالات میان اجزای سلولی مولکولی است. ازاینرو درک مکانیسم های رفتاری و عملکردی نیاز به بررسی کامل تعاملات فیزیکی میان پروتئینها دارد.کشف ارتباط میان پروتئینها در شبکه های زیستی مانند شبکه های متابولیکی، برای انجام تحقیقات مربوطه در محیط آزمایشگاه نیازمند صرف وقت و هزینه بسیار زیاد میباشد. از روشهای محاسباتی موجود تکنیکهای تعبیه گره و شبکه روشی محبوب برای تولید ویژگیها، حذف نویز و پیشبینی دقیق هستند و به یکی از متداول ترین روشها در زیست شناسی محاسباتی تبدیل شده اند. در این مقاله به کمک شبکه عصبی خود رمزگذار متغیر و الگوریتم جنگل تصادفی رویکردی نوین مبتنی بر تعبیه سازی گره برای پیشبینی تعاملات پروتئینی ارائه شده است. آزمایشات صورت گرفته بر روی مجموعه داده های معتبر مختلف نشاندهنده این موضوع است که روش پیشنهادی عملکرد مناسبی ازلحاظ دقت و سرعت دارد و نتایج به مراتب بهتری نسبت به روشهای مشابه دارد.