Abstract
蛋白質骨架模型的建立，對於了解結構以及功能、進一步研究蛋白質折疊的方法與機制有相當的幫助。常用的序列相似預測以及使用分子模擬建立模型的方式常耗時耗力，也不見得具有相當的準確性，而一般認為最能準確計算出結構的量子化學計算方法又是無法真正在現今的電腦的計算能力下完全套用在蛋白質結構上。本研究嘗試利用類神經網路（artificial neural network ）預測蛋白質主鏈的雙面角（dihedralangles ），針對改變類神經網路輸入的方式以及輸入蛋白質資料的分類嘗試增加預測之準確性。此外，藉由比較所得到的預測準確性以及輸入的蛋白質資料，可研究蛋白質各結構的性質資訊與蛋白質折疊的關係。Artificial neural networks were used to study the distributionof main-chain dihedrals of a given peptide segment. We studythe dependence of its backbone dihedrals on structural orsequence factors, the neighboring backbone dihedrals orthe amino acid sequence. We found that some factors contributingdifferently to the determination of the main-chain dihedralsmoreover discuss the use of our findings in the prediction ofmain-chain dihedrals. The new integrated package of programs,SPC, had been designed for manipulating and predicting proteinstructure.