پیش بینی مسنجر آر ان ای های هدف میکرو آر ان ای ها توسط شبکه های عصبی چندلایه پرسپترون

پیش بینی اهداف میکرو آر ان ای ها از اهمیت ویژه ای برخوردار است. توسعه روش های محاسباتی و متعاقبا صرفه جویی در هزینه و زمان پژوهش های آزمایشگاهی، تاثیر بسزایی در افزایش سرعت ساخت داروهای درمانی از جمله داروهای ضد سرطانی دارد. با توجه به اینکه زمان کمی از شناخت میکرو آر ان ای ها می گذرد، روند پژوهش ها در ابتدا کند بوده است. اما به مرور با شکل گیری دیتابیس های بیولوژیکی و درک اهمیت آنها دانشمندان به این زمینه روی آورده اند. تاکنون روش های مختلفی با در نظر گرفتن ویژگی های مختلف از جمله ویژگی های ساختاری، موقعیتی و ترمودینامیکی بر روی گونه های مختلف از جمله انسان، موش و حتی گونه های گیاهی ارائه شده است. با این وجود، پراکندگی زیادی در این کارها دیده می شود و مدل های هوشمند بطور سطحی در آنها بررسی شده اند. در این نوشتار، ابتدا انواع ویژگی ها استخراج شده، سپس ویژگی های برتر به روش pca انتخاب گردیده اند. انواع مدل های هوشمند و کلاسیک از جمله شبکه های عصبی مختلف، بردار ماشین پشتیبان، knn و درخت تصمیم گیری بر روی داده ها با روش اعتبارسنجی ضربدری 10تایی تست و نتایج آنها با یکدیگر مقایسه و تحلیل شده است. علاوه بر این در این نوشتار یک روش جدید برای تهیه نمونه های منفی معرفی و استفاده از شروط جفت بندی (در استخراج ویژگی ترمودینامیکی) بجای رشته های پیونددهنده پیشنهاد شده است. در ضمن معیار mcc برای ارزیابی دسته بندی کننده ها معرفی و نشان داده شده است که استفاده از معیار دقت می تواند گمراه کننده باشد.