پیش بینی برهم کنش مولکولی براساس کاربردهای درمانی شبکه یادگیری عمیق

پیشرفت های اخیر در فناوری های آزمایشی با توان بالا، در دسترس بودن و کمیت داده های مولکولی را در زیست شناسیگسترش داده است، با توجه به اهمیت فعل و انفعالات در فرآیندهای بیولوژیکی، مانند برهمکنش بین پروتئین ها یاپیوندهای درون یک ترکیب شیمیایی، این داده ها اغلب در قالب یک شبکه بیولوژیکی نشان داده می شوند.افزایش این داده ها نیاز به ابزارهای محاسباتی جدید برای تجزیه و تحلیل شبکه ها را ایجاد کرده است.یکی از گرایش های اصلی در این زمینه استفاده ازشبکه یادگیری عمیق برای این هدف و به طور خاص، استفاده ازروش هایی است که با شبکه ها کار می کنند و شبکه یادگیری عمیق ابزاری جدید برای پاسخ به سوالات کلاسیکمانند پیش بینی تعامل ژن و پیش بینی خودکار بیماری از داده های در حال ظهور است.در این مقاله به تشریح شبکه های بیولوژیکی و بررسی اصول و الگوریتم های زیربنایی GNN ها می پردازیم.همچنین در این پژوهش حوزه هایی را در بیوانفورماتی ک مورد بحث قرار می دهیم که در آنها شبکه های عصبی گرافاغلب در حال حاضر استفاده می شوند.

کلیدواژه ها:

یادگیری عمیق ، شبکه های بیولوژیکی ، شناسایی ، پیش بینی و عملکرد پروتئین