بهبود روش های یادگیری جمعی برای پیش بینی اهداف میکرو آر ان ای

میکروآران ای ها یک کلاس از آران ای های کوچک غیرکدشونده تنظیمی هستند که اهمیت بسیار زیادی در خاموش کردن ژن های پست-ترنسکریپشنال دارند. آن ها اکثراً با چسبیدن به بخش 3’utr( three prime untranslated region) مسنجر آران ای های هدف، میزان ژن ها را به یکی از دو روش بریدن یا مهار کردن تنظیم می کنند. دانشمندان در ابتدا اهداف میکرو آر ان ای ها را با انجام آزمایش مشخص می کردند. با این وجود، به خاطر پرهزینه و زمان بر بودن این آزمایش ها و نبود روش های آزمایشگاهی با کارائی بالا استفاده از تکنیک های محاسباتی برای پیش بینی اهداف میکرو آر ان ای ها اجتناب ناپذیر است. در این پژوهش یک روش جمعی با استفاده از الگوریتم rotation forest معرفی شد. اولین بهینه سازی استفاده از طبقه بندهای پایه متفاوت برای ساخت مدل جمعی میباشد. در دومین نوآوری، با استفاده از الگوریتم ژنتیک که از متداول ترین الگوریتم های بهینه سازی است مجموعه بهینه طبقه بندهای پایه از بین طبقه بندهای پایه مختلف انتخاب گردید. همزمان با انتخاب بهینه طبقه بندهای پایه، تعداد زیرمجموعه ویژگی که از پارامترهای مهم در الگوریتم rotation forest می باشد نیز بهینه گردید. نتایج نشان داد روش ارائه شده کارائی روش های مشابه قبلی را بهبود داده است.