طراحی مدل های پیش بینی، جهت تعیین ساختار آنزیم استریول آسیل کریر پروتئین دیسچوراز ۱

نویسندگان

علی سالاری

ali salari islamic azad university, borujerdدانشگاه علوم پزشکی قم سیدمرتضی رضوی

seyed morteza razavi university of al-khwarizmiدانشگاه خوارزمی منصور ابراهیمی

mansour ebrahimi university of qomدانشگاه قم

چکیده

زمینه و هدف: اسیدهای چرب ضروری مانند آلفا لینولئیک اسید به عنوان یک امگا-3 و آلفا لینولئیک اسید به عنوان یک امگا-6 در سلول های انسانی تولید نمی شوند. بنابراین، به وسیله منابع غذایی مانند ماهی، روغن سویا، دانه کتان و دانه های آفتابگردان تأمین می شوند. مراحل تولید آلفا لینولئیک اسید توسط 6 آنزیم صورت می گیرد که یکی از آنها آسیل کریر پروتئین دیسچوراز است. این مطالعه با هدف طراحی مدل های پیش بینی جهت تعیین ساختار ارگانیزمی آنزیم استریول آسیل کریر پروتئین دیسچوراز 1 انجام شد. روش بررسی: تعدادی از ابزارهای بیوانفورماتیک جهت تعیین مهم ترین مشخصه های ژنی آنزیم آسیل کریر پروتئین دیسچوراز به جهت توسعه مدل های پیش بینی ارگانیزمی اجرا شد. سپس از تکنیک های داده کاوی مانند (feature selection, decision tree, classification models) در جهت تولید الگوریتم های پیش بینی دقیق و کارآمد برپایه خصوصیات ژنی آنزیم (s-acp-des1) از ارگانیزم های مختلف استفاده شد. یافته ها: مهم ترین متغیر ژنی در تشخیص ساختارهای ارگانیزمی آنزیم (s-acp-des1)، فراوانی طول بوده است. همچنین مدل های پیش بینی طراحی شده نشان داد مدل naive bayse با معیار fcdb با دقت 38/97% می تواند ارگانیزم آنزیم های جدید را براساس خصوصیات ژنی پیش بینی کند. دو یافته فوق برای اولین بار در این مطالعه گزارش شدند. نتیجه گیری: نتایج این مطالعه نشان داد با استفاده از ابزارهای بیوانفورماتیکی می توان به سهولت نسبت به دسته بندی آنزیم desa1 براساس ارگانیزم آن اقدام کرد و متغیر طول ژن ها، بهترین شاخص برای این دسته بندی است. همچنین بهترین ماشین یادگیری مدل baysian درnaive bayse با دقت بالای 38/97% جهت تعیین آنزیم desa1 برای اولین بار در این مطالعه گزارش شد.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

طراحی مدل‌های پیش‌بینی، جهت تعیین ساختار ‌آنزیم استریول آسیل کریر پروتئین دیسچوراز 1

زمینه و هدف: اسیدهای چرب ضروری مانند آلفا لینولئیک اسید به‌عنوان یک امگا-3 و آلفا لینولئیک اسید به‌عنوان یک امگا-6 در سلول‌های انسانی تولید نمی‌شوند. بنابراین، به‌وسیله منابع غذایی مانند ماهی، روغن سویا، دانه کتان و دانه‌های آفتابگردان تأمین می‌شوند. مراحل تولید آلفا لینولئیک اسید توسط 6 آنزیم صورت می‌گیرد که یکی از آنها آسیل کریر پروتئین دیسچوراز است. این مطالعه با هدف طراحی مدل‌های پیش‌بینی ج...

متن کامل

بررسی بیوانفورماتیکی ژن آسیل کریر پروتئین (ACP) در یوکاریوت‌ها و پروکاریوت‌ها

مسیر بیوسنتز اسید چرب یکی از مسیرهای مهم در بدن اکثر موجودات (پروکاریوت‌ها و یوکاریوت‌ها) است که آنزیم Acyl carrier protein (ACP) نقش مهمی در مسیر بیوسنتز اسید چرب دارد. هدف از این مطالعه آنالیز in silico و فیلوژنتیکی ژن ACP است. با آنالیز های بیشتر مشخص شد که ژنACP در پروکاریوت‌ها دارای 4 اگزون و 3 اینترون و 2mRNA و در یوکاریوت‌ها دارای 13 اگزون، 12 اینترون و 9 mRNA است. این پروتئین در یوکا...

متن کامل

بررسی بیوانفورماتیکی ژن آسیل کریر پروتئین (ACP) در یوکاریوت‌ها و پروکاریوت‌ها

مسیر بیوسنتز اسید چرب یکی از مسیرهای مهم در بدن اکثر موجودات (پروکاریوت‌ها و یوکاریوت‌ها) است که آنزیم Acyl carrier protein (ACP) نقش مهمی در مسیر بیوسنتز اسید چرب دارد. هدف از این مطالعه آنالیز in silico و فیلوژنتیکی ژن ACP است. با آنالیز های بیشتر مشخص شد که ژنACP در پروکاریوت‌ها دارای 4 اگزون و 3 اینترون و 2mRNA و در یوکاریوت‌ها دارای 13 اگزون، 12 اینترون و 9 mRNA است. این پروتئین در یوکا...

متن کامل

طراحی مدل ریاضی به منظور پیش بینی و بهینه سازی ساختار دارائی ها

امروزه بانک ها به دنبال راهی برای سرمایه گذاری دارائی های خود در طول زمان هستند تا با درنظرگیری عدم اطمینان ها، تنگناهای مختلف و بدهی های تعهد شده، سطح رضایت بخشی از سود را کسب کنند. مدیریت دارائی ها و بدهی ها حوزه ای است که به مساله فوق پاسخ می دهد. بررسی حاضر با ارائه یک مدل ریاضی، تلاش دارد تا بهترین ساختار ترازنامه بانک را با درنظرگیری تنگناهای موجود جستجو نماید. در نهایت ضمن بررسی اعتبار م...

متن کامل

طراحی مدلی جهت پیش بینی بازده شاخص بورس (با تاکید بر مدل های ترکیبی شبکه عصبی و مدل های با حافظه بلندمدت)

این پژوهش به معرفی ‌مدل‌هایی از ترکیب خانواده GARCH و شبکه عصبی مصنوعی، جهت پیش‌بینی بازدهی روزانه شاخص بورس اوراق بهادار تهران طی فاصله زمانی 1396-1387 می‌پردازد. وجود ویژگی ‌حافظه ‌بلندمدت‌ در واریانس ‌شرطی بازدهی شاخص کل بورس موجب شده تا ‌علاوه‌ ‌بر ‌مدل‌های ‌دارای ‌حافظه ‌کوتاه‌مدت GARCH و EGARCH در این ‌پژوهش از مدل‌های FIGARCH و FIEGARCH که دارای ویژگی حافظه بلندمدت هستند؛ استفاده ‌گردد. ...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید


عنوان ژورنال:
مجله دانشگاه علوم پزشکی قم

جلد ۹، شماره ۸، صفحات ۱۳-۲۰

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023