Автори | P. William1 , N. Yogeesh2, Lingaraju2, R. Chetana3, T.N. Vasanthakumar2, V. Verma4 |
Афіліація |
1Department of Information Technology, Sanjivani College Engineering, Kopargaon, SPPU, Pune, India 2Department of Mathematics, Government First Grade College, Tumkur, Karnataka, India 3Department of Mathematics, Siddaganga Institute of Technology, Tumkur, Karnataka, India 4Department of Computer Science and Engineering, Bhilai Institute of Technology, Raipur, Chhattisgarh, India |
Е-mail | william160891@gmail.com |
Випуск | Том 16, Рік 2024, Номер 4 |
Дати | Одержано 20 квітня 2024; у відредагованій формі 22 серпня 2024; опубліковано online 27 серпня 2024 |
Цитування | P. William, N. Yogeesh, Lingaraju, та ін., Ж. нано- електрон. фіз. 16 № 4, 04037 (2024) |
DOI | https://doi.org/10.21272/jnep.16(4).04037 |
PACS Number(s) | 07.05.Mh |
Ключові слова | Інженерні наноматеріали, Білкові композиції, Штучний інтелект (3) , Поліпептидна хімічна реакція, Оптимізована еластична Логістична регресійна модель. |
Анотація |
Білкові композиції, що наносяться на розроблені наноматеріали (ENM), вимагають наявності нанорозмірних білкових молекул для багатьох біохімічних цілей. Потенційна небезпека токсичності та вимога до повної оцінки безпеки, викликаної складною взаємодією між наночастинками та біологічними системами, є проблемними. Ефективно підходи флуорескаміну для прогнозування білкового складу на синтетичних наноматеріалах ENM можуть прояснити біохімічні дані ENM, які знаходяться в біологічних структурах, без потреби в довгостроковій перспективі. дослідження білкового складу. Модель стійкої логістичної регресії з оптимізованою поліпептидною хімічною реакцією (PCRO-RLRM) — це інноваційна технологія штучного інтелекту (ШІ), яка буде використана в цьому дослідженні. Білковий склад аналізують за допомогою методики нормалізації Z-score. Ключові елементи з нормалізованих даних, корисні для вивчення білків або амінокислотних ділянок, виділяються за допомогою позиційно-специфічної оціночної матриці, або PSSM. Застосування оптимізації поліпептидної хімічної реакції (PCRO) для зміни параметрів алгоритму покращує прогнозовану продуктивність методу RLRM. Результати показують, що комбінація PCRO-RLRM перевершує алгоритм аналізу складу білка за точністю (96,57%), чутливістю (94,5%) і специфічністю (98,03%). Цей новий підхід має потенціал для сприяння відкриттям у біохімії на основі наноматеріалів і вдосконаленню методів біоінженерії. |
Перелік посилань |