گونه های جنس .cytospora ehrenb و تلئومورف های وابسته به آنها یکی از عوامل ایجاد کننده شانکرهای یک ساله و یا دایمی و مرگ ناگهانی درختان مثمر و غیرمثمر و آلوده کننده برخی گیاهان علفی و به ندرت برخی گیاهان تک لپه ای در سرتا سر دنیا محسوب می گردند. جهت شناسایی گونه های قارچی همراه علایم شانکر سیتوسپورایی درختان سیب در منطقه سمیرم استان اصفهان، 170 نمونه از شاخه های آلوده به این گروه از قارچها از باغات سیب این منطقه در طی فصول بهار و پاییز سال 1386 جمع آوری گردیدند. با بررسی ویژگیهای مرفولوژیکی اندام های باردهی قارچها، 105 نمونه متعلق به گونه ها و جنس های مختلف این گروه از قارچها انتخاب شدند. بر اساس ویژگیهای مرفولوژیکی شکل جنسی و غیرجنسی، جدایه های قارچی تعیین نام شدند. در این مطالعه چهار گونه متعلق به سه جنس cytospora، valsa و leucostoma شامل؛ c. leucostoma، c. chrysosperma، leucostoma cinctum (anamorph: cytospora cincta) و valsa malicola (anamorph: cytospora schulzeri ) از منطقه سمیرم، استان اصفهان تشخیص داده شدند. به غیر از گونه cytospora cincta، که قبلاً از این منطقه گزارش شده بود، سایر گونه ها اولین بار از این منطقه گزارش می شوند وگونه c. leucostoma برای اولین بار روی درختان سیب در ایران گزارش می شود. در گونه های آنامورفی شناسایی شده در این تحقیق، اندازه کنیدی، وجود و یا عدم وجود کنسپتاکل، ویژگیهای مربوط به حجره ها و تعداد استیولها در تفکیک گونه های فوق از اهمیت زیادی برخوردار بودند. تعداد 50 جدایه از گونه c. schulzeri و 50 جدایه از گونه c. cincta از نظر تنوع ژنتیکی با دو نشانگر mp-pcr و rapd مورد بررسی قرار گرفتند. از میان نه آغازگر ریزماهواره، هشت آغازگر و از میان هشت آغازگر تصادفی، هفت آغازگر بر اساس تکرار پذیری و تعداد باندهای پلی مورفیک انتخاب و به کار گرفته شدند. تجزیه و تحلیل خوشه ای الگوهای باندی حاصل از هر دو نشانگر با استفاده از روش upgma و ضریب تشابه جاکارد (jacard’s coefficient) انجام شد. تجزیه و تحلیل خوشه ای داده های مربوط به انگشت نگاری dna با استفاده از نشانگر mp-pcr، جدایه های مربوط به گونه c. schulzeri را در سطح تشابه 62 درصد، به شش گروه و جدایه های مربوط به گونه c. cincta را در سطح تشابه 32 درصد، به چهار گروه تقسیم نمود. تجزیه و تحلیل خوشه ای داده های مربوط به انگشت نگاری dna با استفاده از نشانگر rapd جدایه های مربوط به گونه c. schulzeri را در سطح تشابه 54 درصد، به هفت گروه و جدایه های مربوط به گونه c. cincta را در سطح تشابه 39 درصد، به چهار گروه تقسیم نمود. در این بررسی تنوع ژنتیکی بالایی در بین جدایه های دو گونه مشاهده شد، اما این آغازگرها نتوانستند رابطه معنی داری بین مناطق جمع آوری شده این جدایه ها و گروه بندی بدست آمده ارائه نمایند. اگر چه در بعضی موارد برخی از جدایه ها در سطوح تشابه پایین تر و بر اساس منطقه جمع آوری شده تا حدودی از بقیه جدایه ها تفکیک شدند. در گونه c. schulzeri رابطه معنی داری بین اندازه کنیدی یافت شد و چنین به نظر می رسد که اندازه کنیدی در این قارچها یک صفت قابل استناد باشد، که تا حدودی مختص جدایه است. تلفیق نتایج حاصل از دو آغازگر (actg)4 و (cag)5 در دو گونه c. cincta و c. schulzeri، تفاوتهای تشخیص داده شده از نظر خصوصیات مرفولوژیکی را تایید کرد. با توجه به اینکه کلیه جدایه های مربوط به دو گونه در این تحقیق از سه رقم سیب شامل رد دلشیز و گلدن دلشیز و گلاب جداسازی شده اند، هیچ ارتباط معنی داری بین جدایه های به دست آمده از ارقام مختلف سیب و گروه بندی حاصل، مشاهده نگردید. این اولین مطالعه از بررسی تنوع ژنتیکی این دسته از قارچها با استفاده از نشانگرهای mp-pcr و rapd در دنیا می باشد.

استخراج اطلاعات و دانش از داده‏های ذخیره شده یک مفهوم کاملا دیرینه در مطالعات علمی و پزشکی می‏باشد. آنچه که جدید است همگرایی و اشتراک چندین رشته و فناوری‏های متناظر آن‏ها است که فرصت منحصر به فردی برای داده‏کاوی به دنیای علم، تجارت و اقتصاد ایجاد کرده است. اما داده‏کاوی یا کشف دانش و معرفت از پایگاه داده‏ها با این تعریف یک شاخه‏ی نسبتا جدید علمی است که از انجام تحقیقات در رشته های آمار، یادگیری ماشین، علوم رایانه (به ویژه پایگاه داده‏ها) شکل گرفته است. در حالی که مرزهای این رشته‏ها در داده‏کاوی مبهم است، ولی می‏توان گفت که مهمترین این رشته ها آمار می‏باشد به طوری که بدون آمار داده‏کاوی مفهومی نخواهد داشت. با وجود اینکه داده‏کاوی یک رشته‏ی نسبتا جدید علمی می‏باشد و کاربردهای متنوع و گسترده ای در رشته هایی مانند بازرگانی، پزشکی، مهندسی، علوم رایانه، صنعت، کنترل کیفیت، ارتباطات و کشاورزی پیدا کرده است. در این تحقیق سغی بر داریم تا با استفاده از شبکه عصبی مصنوعی به کشف فریب در تراکنش های بانک مشتریان بپردازیم. نتایج تحقیق نشاندهدهنده دقت بالای 94% مدل می باشد.