ارائه یک روش یادگیری عمیق مبتنی بر شبکه های کانولوشنی گراف برای پیش بینی ارتباطات بین پروتئینی ویروس و میزبان

سال انتشار: 1399
محل انتشار: ششمین کنفرانس ملی محاسبات توزیعی و پردازش داده های بزرگ
کد COI اختصاصی: DCBDP06_024
زبان مقاله: فارسی
تعداد مشاهده: 1130

نویسندگان

دانشجوی کارشناسی ارشد، گروه آموزشی مهندسی کامپیوتر، دانشگاه شهید مدنی آذربایجان، تبریز

استادیار، گروه آموزشی مهندسی کامپیوتر، دانشگاه شهید مدنی آذربایجان، تبریز

چکیده

ارتباطات بین پروتئین های ویروس و میزبان عامل بیماری های عفونی است بنابراین شناسایی این ارتباطات بین ویروس و میزبان برای طراحی داروهای ضد ویروسی و مقابله با بیماری های عفونی کمک شایانی می کند به روش های آزمایشگاهی برای انجام این کار بسیار ست و زمان بر هستند. بنابراین روش های محاسباتی و یادگیری ماشتین زیادی برای پیش بینی ارتباطات بین پروتئین ها ارائهشتده است اما بیشتر آنها برای روابط بین گونه ای بوده است. پژوهش های ارائه شده قبلی معمولا از روش های ستنتی یادگیری ماشین بهره برده اند. در این پژوهش یک روش مبتنی بر شبکه های کانولوشنی گراف که روش نسبتا جدیدی برای استخراج اطلاعات گراف می باشد استفاده گردید. همچنین برای تبدیل توالی پروتئین به برداری با ابعاد ثابت از روش Conjoint Tried استفاده شد. عملیادگیری با یک شبکه عصبی ساده چند لایه صورت گرفت. نتایج بدست آمده در مقایسه با روش های سنتی پیشرفت چشم گیری داشتند.

کلیدواژه ها

ویروس و میزبان روابط بین پروتئینی یادگیری ماشین شبکه های کانولوشنی گراف

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.