| 초록 |
아미노산 돌연변이 스캐닝 실험(alanine scanning mutagenesis)은 단백질이 상호작용으로 결합하는 과정에서 대부분 자유결합에너지(binding energies)는 매우 적은 량의 활성 잔기(hot spots)로 부터 얻는 것을 규명하였으며, 일반적으로 자유결합에너지 변화가 △△G ge;2.0 kcal/mol인 단백질 잔기를 활성 잔기라고 정의 한다. 활성 잔기는 단백질의 상호 작용에 중요한 의미가 있다. 그러므로 어떻게 효과적으로 활성 잔기를 예측하는가 하는 문제는 아직도 하나의 연구과제이다. 본 논문은 단백질 아미노산의 물리화학적 성질인 가중 소수성(weighted hydrophobicity), 가중 잔기 접촉수, 용질이 접촉 할 수 있는 면적과 잔기 활성 지수 등 특성을 기계학습 서포트 벡터 기계(machine learning support vector machine)의 알고리즘으로 활성 잔기를 예측하는 방법을 제안하였다. 제안한 방법은 알라닌(alanine) 열역학 데이터베이스와 계면 데이터베이스를 결합하여 선택한 데이터 집합에 대하여 매우 좋은 효과가 있었다. 본 연구는 일정한 수준에서 후속 연구의 발전에 도움이 될 것이다. |
