Hidden Markov models as a tool for protein secondary structure prediction

Abstract

Hidden Markov modely jsou ideálním nástrojem na analýzu sekvencí, proto se využívají i v predikci sekundární struktury proteinů. V současnosti existuje několik nástrojů k predikci sekundární struktury proteinů a část z nich využívá hidden Markov modely. Ve své práci se proto pokusím s nimi čtenáře seznámit a vysvětlit na jakém principu pracují, jaké jsou jejich výhody a nevýhody. Většina metod predikuje tři sekundární struktury s úspěšností 60%- 80%, nicméně vzhledem k odlišné metodice testování úspěšnosti lze brát výsledky pouze jako orientační. Klíčová slova: predikce proteinové struktury, hidden Markov model, sekundární struktura

Hidden Markov models are ideal tool for sequence analysis therefore they are used also for protein secondary structure prediction. A number of tools for protein secondary structure prediction exist today a part of them utilizes also hidden Markov models. Hence I try to introduce them to a reader and explain him the way they work and their advantages and disadvantages in this assay. The majority of methods predict three secondary structures with accuracy between 60% and 80% nevertheless with regard to different testing methodologies the results should be treated solely as indicative. Key-words: protein structure prediction, hidden Markov model, secondary structure