پیش بینی مکان استقرار درون هسته ای پروتئین ها با استفاده از سیستم ایمنی مصنوعی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - پژوهشگاه ملی مهندسی ژنتیک وزیست فناوری
- نویسنده زینب پیریایی
- استاد راهنما مهدی صادقی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1391
چکیده
یکی از مسائل مهم در علم بیوانفورماتیک که در طی سا ل های اخیر مورد توجه دانشمندان قرار گرفته است، پیش بینی مکان استقرار پروتئین ها در سلول و اندامک های آن می باشد. هسته ی سلول مهمترین اندامک سلول به شمار می آید. هسته ی سلول به چندین بخش تقسیم شده که به هر بخش یک زیرهسته گفته می شود. پروتئین ها براساس کارکردشان در هر یک از مکان های زیرهسته قرار می گیرند. به طوری که اگر پروتئین در مکانی غیر از مکان خود مستقر شود، باعث سوء عملکرد و ایجاد بیماری می گردد. بنابراین رابطه ی مستقیمی بین مکان استقرار پروتئین و کارکرد آن وجود دارد. در نتیجه دانستن مکان استقرار پروتئین به یافتن عملکرد یک پروتئین کمک می کند. هر چند روش های آزمایشگاهی متفاوتی برای تشخیص مکان استقرار یک پروتئین در سلول یا به طور جزئی تر در یک اندامک سلولی مانند هسته وجود دارند، از معایب این روش ها می توان به زمان بر بودن و پرهزینه بودن آنها اشاره کرد. به همین دلیل روش های پیشگویی مبتنی بر ماشین های یادگیری در این زمینه بسیار متداول و کارامد هستند. رویکردهای مختلفی که برای حل مسئله ی پیش بینی مکان استقرار پروتئین در سلول ارائه می شوند، شامل دو مرحله مجزا می باشند: 1- روش های بازنمایی پروتئین که هر یک براساس تحلیل توالی های اسید آمینه، ویژگی های متفاوتی را بدست می دهد. 2- استفاده از الگوریتم های طبقه بندی برای تعیین پیش بینی مکان استقرار پروتئین ها. یکی از سیستم های ماشینی که می توان آن را به عنوان یکی از طبقه بندهای قابل بررسی در این زمینه مورد توجه قرار داد، سیستم های ایمنی مصنوعی است. با توجه به قابلیت های سیستم ایمنی مصنوعی در زمینه ی طبقه بندی الگو و نظر به این که تا به حال از این سیستم در پیش بینی مکان استقرار پروتئین ها در هسته استفاده نشده است لذا در این پایان-نامه به بررسی سیستم ایمنی مصنوعی در جهت پیش بینی مکان استقرار پروتئین ها در هسته پرداخته شده است. در این پایان نامه ابتدا بازنمایی های مختلف برای توالی های پروتئین بدست آمده است. در ادامه الگوریتم های سیستم ایمنی مصنوعی به عنوان یک طبقه بند با روش آموزش همه در برابر همه، یکی در برابر همه، یکی در برابر یکی و روش تست متقاطع بر روی هر یک از 37 بازنمایی انجام شده است. سپس با استفاده از رأی گیری بین 37 بازنمایی، طبقه بندی انجام گرفته است. الگوریتم انتخاب منفی با دقت کلی 56.34% بالاترین دقت در بین الگوریتم های ایمنی مصنوعی را دارا می باشد.
منابع مشابه
پیش بینی جریان رودخانه با استفاده از سیستم استنتاج فازی
یکی از روشهای نو ظهور در حل مسایل مهندسی جهت مدل‌سازی سیستم‌هایی که دارای پیجیدگی زیاد یا عدم صراحت بوده و یا داده‌های کافی از آنها موجود نیست، استفاده از تئوری مجموعه‌های فازی از جمله سیستم می‌باشد. مزیت اصلی این تکنیک نسبت به استنتاج فازی روشهای رایج، این است که این سیستم بر اساس قواعد اگر- آن‌گاه بنا نهاده شده است و قادر به تعیین ارتباط بین متغیرهای ورودی و خروجی با استفاده از قواعد مزبو...
متن کاملپیش بینی تاخوردگی دامنه پروتئین ها مبتنی بر روش DBSCAN
در این مقاله یک روش طبقه بندی تغییر یافته بر مبنای روش های طبقه بندی بر اساس چگالی برای طبقه بندی تاخوردگی پروتئین ها ارائه شده است که این روش در برابر وجود نویز مقاوم بوده و از سرعت بالایی برخوردار خواهد بود. طبقه بندی پروتئین ها بمنظور پیش بینی عملکرد آنها و شناسایی خواص پروتئین ها یکی از مسائل بزرگ در حوزه طبقه بندی است. با توجه به پیشرفت علم و دستگاه های توالی یابی پروتئین های بسیاری کشف شد...
متن کاملپیش بینی بازده شاخص بورس اوراق بهادار با استفاده از مدلهای شبکه ها عصبی مصنوعی شعاع پایه
تا کنون برای پیش بینی بازده سهام و بازده شاخص از روش های متعددی استفاده شده است در این میان هوش مصنوعی و شبکه های عصبی مصنوعی یکی از روش های پیش بینی بازده شاخص بوده است. در حال حاضر به دنبال بررسی عملکرد شبکه عصبی شعاع پایه برای پیش‌بینی بازده شاخص هستیم. بدین منظور از شاخص بورس اوراق بهادار تهران استفاده شده است و عملکرد شبکه عصبی شعاع پایه و شبکه عصبی پرسپترون مقایسه شده‌اند. نوع آزمون عملکر...
متن کاملپیش بینی بلند مدت رواناب با استفاده از شبکه های عصبی مصنوعی و سیستم استنتاج فازی
مدلهای مفهومی بر مبنای هوش مصنوعی، اغلب برای پیش بینیهای کوتاه مدت و میان مدت هیدورلوژیکی به کار رفته اند. در این مقاله با استفاده از مفهوم تولید مجموعه ای از پیش بینی ها1 (esp) و تفکیک مدل‌سازی برای متغیرهای اقلیمی و هیدرولوژیکی، از مدلهای مفهومی برای پیش بینی بلندمدت حجم جریان رودخانه زاینده رود در محل ورودی به سد زاینده رود استفاده می شود. سیستم استنتاج فازی برای پیش بینی بارش فصلی به صور...
متن کاملروش نوین خوشه‌بندی ترکیبی با استفاده از سیستم ایمنی مصنوعی و سلسله مراتبی
Artificial immune system (AIS) is one of the most meta-heuristic algorithms to solve complex problems. With a large number of data, creating a rapid decision and stable results are the most challenging tasks due to the rapid variation in real world. Clustering technique is a possible solution for overcoming these problems. The goal of clustering analysis is to group similar objects. AIS algor...
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 @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - پژوهشگاه ملی مهندسی ژنتیک وزیست فناوری
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023