گروهبندی ژنتیکی گاومیش های بومی آذری و شمالی با روش شبکۀ عصبی SVM
نویسندگان
چکیده مقاله:
هدف این تحقیق گروهبندی گاومیشهای استانهای آذربایجان شرقی، غربی و اردبیل از بومجور (اکوتیپ) آذری و استان گیلان از بومجور شمالی و درنهایت قابلیت جداسازی افراد مناطق مختلف با روش یادگیری ماشین بود. به شمار 258 گاومیش از مناطق مختلف دو بومجور شمالی و آذری نمونهگیری شد و با استفاده از SNPChip 90K مربوط به شرکت افی متریکس در کشور ایتالیا تعیین ژنوتیپ شد. برای پیشبینی عملکرد روش ماشین بردار پشتیبان برای گروهبندی افراد، دو روش متریک اعتبارسنجی متقابل و سطح زیر منحنی مشخصۀ عملکرد سامانۀ (AUC) اعمال شد. نتایج آزمون اعتبارسنجی متقابل و سطح زیر منحنی برای گروهبندی افراد چهار منطقه به ترتیب 92 و 96 درصد بود که گویای این است که باوجود نزدیک بودن افراد گلههای مختلف و سخت بودن جداسازی این افراد، روش ماشین بردار پشتیبان با درستی بالایی، توانایی اختصاص دادن افراد به گلههای مربوط به خود را دارد. نتایج آزمونهای اعتبارسنجی متقابل و سطح زیر منحنی مشخصه عملکرد سامانه برای دو بومجور به ترتیب برابر 96 و 98 درصد بود که نشاندهندۀ قابلیت جداسازی بهتر دو بومجور است. روش یادگیری ماشین با توجه به این موارد و با پیشبینیهایی که برای گروهبندی هر فرد انجام میدهد میتواند در کنترل کیفیت و کاربردهای ژنتیکی کارآمد باشد.
منابع مشابه
استفاده از مدل تابعیت تصادفی دو متغیره در تجزیه ژنتیکی صفت شیر گاومیش های بومی ایران
Bivariate random regression models were used to estimate variance components of test-day milk yields (TDMY) in the first and second lactations of Iranian buffaloes. Data included 10,133 TDMY records from 862 Iranian buffaloes for first lactation and 786 for second lactation which were collected from 1993 to 2011 by the animal breeding centre of Iran. The models of analysis included the fixed ef...
متن کاملبرآورد پارامترهای ژنتیکی صفت درصد پروتئین شیر در گاومیش های بومی ایران با استفاده از مدل روزآزمون رگرسیون تصادفی
در این پژوهش از اطلاعات گاومیشهای بومی ایران که طی 20 سال (1372-1391) به وسیله مرکز اصلاح نژاد و بهبود تولیدات دامی کشور جمعآوری شده بود استفاده گردید. دادهها برای شکمهای اول، دوم و سوم زایش به ترتیب شامل 4339، 4439 و 4445 رکورد روزآزمون بودند که در 298 گله پراکنش داشتند. با استفاده از رویه GLM نرم افزار SAS عوامل محیطی مؤثر بر میزان درصد پروتئین شیر شناسایی شدند. در مدل تجزیه، اثرات ثابت ...
متن کاملپهنهبندی خطر زمینلغزش در حوضۀ آبخیز طالقان با استفاده از روش سیستمهای هوشمند (روش شبکۀ عصبی مصنوعی مبتنی بر توابع پایهای گوسی و شبکۀ عصبی پرسپترون)
زمینلغزشها هر سال خسارتهای مالی و جانی زیادی بهبار میآورند. نقشههای پهنهبندی خطر زمینلغزش میتوانند به کاهش این خسارتها کمک کنند. حوزۀ آبخیز طالقان از جمله حوزههای مستعد زمینلغزش است که بررسی شده است. در این مقاله به پهنهبندی خطر زمینلغزش در این منطقه و در مقیاس 50000/1، و با در نظر داشتن لایههای اطلاعاتی پراکندگی لغزشها، شیب، برای شیب، زمینشناسی (لیتولوژی)، فاصله از گسلها، فا...
متن کاملمقایسه تأثیر وضعیت طاق باز و دمر بر وضعیت تنفسی نوزادان نارس مبتلا به سندرم دیسترس تنفسی حاد تحت درمان با پروتکل Insure
کچ ی هد پ ی ش مز ی هن ه و فد : ساسا د مردنس رد نامرد ي سفنت سرتس ي ظنت نادازون داح ي سکا لدابت م ي و نژ د ي سکا ي د هدوب نبرک تسا طسوت هک کبس اـه ي ناـمرد ي فلتخم ي هلمجزا لکتورپ INSURE ماجنا م ي دوش ا اذل . ي هعلاطم ن فدهاب اقم ي هس عضو ي ت اه ي ندب ي عضو رب رمد و زاب قاط ي سفنت ت ي هـب لاتـبم سراـن نادازون ردنس د م ي سفنت سرتس ي لکتورپ اب نامرد تحت داح INSURE ماجنا درگ ...
متن کاملطراحی شبکۀ جادۀ جنگلی با استفاده از شبکۀ عصبی مصنوعی و GIS
جادههای جنگلی بهمنظور ایجاد دسترسی به جنگل احداث میشوند و تأثیر زیربنایی در سازماندهی منطقه دارند. هدف این پژوهش، معرفی راهکاری هوشمند مبتنی بر شبکههای عصبی مصنوعی با تلفیق GIS برای طراحی شبکۀ جادۀ جنگلی با در نظر داشتن اصول و معیارهای فنی شبکۀ جادۀ جنگلی است. ابتدا معیارهای مؤثر با استفاده از روش دلفی شناسایی شد و وزندهی آنها با استفاده از روش AHP، انجام گرفت. با تلفیق لایههای مختلف و وز...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 47 شماره 2
صفحات 279- 290
تاریخ انتشار 2016-08-22
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023