مروری بر روش های پیدا کردن موتیف در توالی های زیستی با استفاده از یادگیری عمیق

سال انتشار: 1402
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 245

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ISCEL04_015

تاریخ نمایه سازی: 14 بهمن 1402

چکیده مقاله:

یکی از مسائل مطرح و پرکاربرد در علم بیوانفورماتیک، مسئله یافتن موتیف در توالی های بیولوژیکی است. دو مورد از ویژگی های داده های مربوط به این حوزه عبارتند از: حجم بالای داده و وجود الگوهای پنهان در آنها. از سوی دیگر در سال های اخیر به واسطه افزایش قدرت پردازشی سیستم های رایانه ای، بکارگیری روش های مبتنی بر یادگیری ماشین و یادگیری عمیق در علوم مختلف به سرعت در حال رشد است. قابلیت این نوع از شبکه های عصبی در پردازش داده های حجیم و یافتن الگوها و روابط پنهان در آنها، باعث شده است تا پژوهشگران، از تلاقی ویژگی های مسئله کشف موتیف، با قابلیت های شبکه های عصبی عمیق استفاده کرده و مدل هایی را مبتنی بر شبکه های عمیق برای حل مسئله یافتن موتیف در رشته های زیستی ارائه دهند. در این مقاله مروری بر مدل ها و روش های ارائه شده در این خصوص خواهیم داشت.

کلیدواژه ها:

رشته های بیولوژیکی – DNA - RNA – شبکه های عصبی عمیق – RNN - CNN

نویسندگان

بهرام پورذهبی

کارشناسی ارشد مهندسی کامپیوتر (نرم افزار) – دانشگاه بین المللی امام خمینی (ره)