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

Authors

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

abstract

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.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

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...

full text

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...

full text

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...

full text

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...

full text

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. ...

full text

My Resources

Save resource for easier access later


Journal title:
مجله دانشگاه علوم پزشکی قم

جلد ۹، شماره ۸، صفحات ۱۳-۲۰

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023