Sequence-based interaction prediction for mouse PDZ domains and peptide ligands
หัวหน้าโครงการ
:
ทรงยศ นาคอริยกุล
ทีมวิจัย
:
ทรงยศ นาคอริยกุล
หัวหน้าโครงการ
ไพบูลย์ นาคมหาชลาสินธุ์
นักวิจัยที่ปรึกษา
Luonan Chen
นักวิจัยที่ปรึกษา
วันที่เริ่มโครงการ
:
2 ก.ค. 2555
วัตถุประสงค์
:
3.1. We study the performances of various feature encoding methods based on primary sequence information (e.g., amino acid composition, dipeptide composition, triad frequency, pseudo amino acid composition, and auto covariance) to qualitatively predict PDZ domain-peptide binding, where an SVM classifier is employed as our predictor.
3.2. We develop a new feature selection algorithm based on the best incremental ranked subset (BIRS) algorithm to choose relevant and irredundant encoded features for PDZ domain-peptide interaction prediction. Our modified BIRS algorithm is expected to perform significantly better than the original BIRS algorithm.
3.3. We analyze critical selected sequence motifs chosen by our feature selection algorithm. These motifs can provide candidate sites which determine peptide binding affinity and specificity of PDZ domains.
