Kuo-ching Liang et Xiaodong Wang
La prédiction de la structure secondaire d'une protéine à partir de sa séquence d'acides aminés est une étape importante vers la prédiction de sa structure tridimensionnelle. Alors que de nombreux algorithmes existants utilisent la similarité et l'homologie avec des protéines ayant des structures secondaires connues dans la banque de données sur les protéines, d'autres protéines ayant des mesures de similarité faibles nécessitent une approche à séquence unique pour la découverte de leur structure secondaire. Dans cet article, nous proposons un algorithme basé sur la méthode d'échantillonnage séquentiel déterministe et le modèle de Markov caché pour la prédiction de la structure secondaire des protéines à séquence unique. Les prédictions sont faites sur la base d'observations fenêtrées et par la moyenne pondérée des conformations possibles dans la fenêtre d'observation. L'algorithme proposé s'avère plus performant sur un ensemble de données réelles que l'algorithme à séquence unique existant.