شناسایی جایگاه مالونیلاسیون در پروتئین‌ها با بهره‌گیری از استخراج ویژگی و تکنیک‌های پردازش زبان طبیعی

یکی از مهمترین اصلاحات پس از ترجمه (ptms) در پروتئین‌ها، مالونیلاسیون لیزین است که تاثیر بر عملکرد سلول‌ها می‌گذارد. برای آشکارسازی مکانیسم‌های عملکردهای سلولی لازم است محل مالونیلاسیون در پروتئین‌ها را شناسایی کرد. روش‌هایی مبتنی بر راه‌حل‌های یادگیری ماشینی پیشنهاد شده‌اند که باعث کاهش هزینه‌ها و پیچیدگی‌های زمانی و افزایش دقت می‌شود. با این حال، این رویکردها همچنان با کاستی‌هایی همراه هستند. این پژوهش نشان می‌دهد که در رابطه با یافتن جایگاه مالونیلاسیون در پروتئین‌ها، چگونه می‌توان با بهره‌گیری از رویکرد پردازش زبان طبیعی، فرکانس واژه - ضریب ارتباط دسته، به نتایجی مطلوب دست‌یافت. روش پیشنهادی توسط توابع تخصصی مربوطه و در محیط پایتون، پیاده‌سازی و اجرا گردید. نتایج اعتبار سنجی متقابل نشان‌دهنده عملکرد خوب رویکرد پیشنهادی است. علاوه بر این، طبقه‌بندی‌کننده‌‌ی xgboost و جنگل تصادفی بر دیگر طبقه‌بندی کننده‌ها برتر بود، که نشان‌دهنده اثربخشی ویژگی‌های تولیدشده توسط طرح پیشنهادی است.