تعیینsensivity,specificity,Accuracy,PPV و MCCسکانس های کوتاه پروتیینی

---

شرح پروژه

این پروژه شامل دو دسته دیتای positiveو negativeمی باشد جنس دیتاها از نوع سکانس ها(توالی ها)ی کوتاه پروتیینی (پپتیدی)است.

روش کار:ابتدا با استفاده از پایتون مشخص می کنیم که در هر دیتاست چه تعداد از سکانس ها با حرفA شروع شده, چه تعداد با حرفR ,چه تعداد با حرف,N چه تعداد با حرف,D چه تعداد با حرف,C چه تعداد با حرف,E چه تعداد با حرف,Q چه تعداد با حرف,G چه تعداد با حرف,H چه تعداد با حرف,I چه تعداد با حرف,L چه تعداد با حرفK چه تعداد با حرف,M چه تعداد با حرف,F چه تعداد با حرف,P چه تعداد با حرف,S چه تعداد با حرف,W چه تعداد با حرفY ,و چه تعداد با حرف Vشروع می شوند.بعد که این تعداد برای هر کدام از حروف بدست آمد برای دیتاهای فایل positive تعداد هر حرف را تقسیم بر۷۰۶ و برای دیتاهای فایلnegative تعداد هر حرف را تقسیم بر ۴۰۶ می کنیم.همچنین محاسبه می کنیم در هر دیتاست چه تعداد از سکانس ها  حرفA ختم, چه تعداد با حرفR ,چه تعداد با حرف,N چه تعداد با حرف,D چه تعداد با حرف,C چه تعداد با حرف,E چه تعداد با حرف,Q چه تعداد با حرف,G چه تعداد با حرف,H چه تعداد با حرف,I چه تعداد با حرف,L چه تعداد با حرفK چه تعداد با حرف,M چه تعداد با حرف,F چه تعداد با حرف,P چه تعداد با حرف,S چه تعداد با حرف,W چه تعداد با حرفY ,و چه تعداد به حرف V ختم شوند.بعد که این تعداد برای هر کدام از حروف بدست آمد برای دیتاهای فایل positive تعداد هر حرف را تقسیم بر۷۰۶ و برای دیتاهای فایلnegative تعداد هر حرف را تقسیم بر ۴۰۶ می کنیم.سپس با استفاده از این اعداد بدست آمده و احتمالات موجود در فایل های ehtemalate negative وehtemalate positive برای فایل Test لگاریتم هر سکانس را محاسبه می کنیم به عنوان مثال سکانس زیر را در نظر می گیریم اگر اعداد احتمال حروف به صورت دوبه دو در فایل وehtemalate positive به این صورت باشد:

به عنوان مثال  توالی زیر را در نظر بگیرید:

AXN

Log(Start V*AA*AN*AX*XX*XA*XN*NN*NX*NA*End C)

Log(0.01*0.03*0.5*0.01*0.4*0.06*0.04*0.2*0.06*05*0.04)

در مرحله ی بعدی برای هر سکانس در فایل عددی که از دیتای برای آن بدست آمده را بر عددی که از دیتای منفی برای آن بدست آمده تقسیم می کنیم یعنی به این شکل :

Log(P positive/P negative)

در صورتی که مقدار این لگاریتم برای هر سکانس از صفر بزرگتر باشد آن سکانس به دیتای positive تعلق دارد و اگر کوچکتر از صفر شد به دیتای negative تعلق دارد و بعد یک جدول به شکل زیر برای آن تهیه می کنیم:

اگر آن سکانس جزpositive بوده وlog(P positive/P negative) آن هم بزرگتر از صفر شده باشد جزT p حساب می شود اگر جز منفی ها بوده و log(P positive/P negative) کوچکتر از صفر شده باشد T Nحساب می شود و اگر log(P positive/P negative) آن بزرگتر از صفر شده ولی جز مثبت ها نبوده F pو اگر log(P positive/P negative)آن کوچکتر از صفر باشد ولی جز negative نباشدF N به حساب می آید.

در نهایت با استفاده از این جدول sensivity,specificity,Accuracy,PPV و MCC را محاسبه می کنیم.

سبس اسبیلیت انجام می دهیم و میانگین تمام متغیرهایی که بدست آورده ایم را محاسبه می کنیم.

کد مربوط به اسبلیت و کد مربوط به محاسبه ی احتمال حروفی که اول ببتید هستند و حروفی که آخر ببنید هستند جداگانه ی مشخص شوند .

این پروژه شامل 4 فایل مهم است، لطفا قبل از ارسال پیشنهاد حتما نسبت به بررسی این فایل اقدام فرمایید.

مهارت ها و تخصص های مورد نیاز

---

---