مدل سازی و تحلیل ویژگی های ژنومی ویروس های +ssRNA و -ssRNA با بهره گیری از سیگنال های ژنومی و SSTF در یادگیری ماشین

این مقاله به تحلیل و مدل سازی ویژگی های ژنومی ویروس های +ssRNA و -ssRNA با استفاده از سیگنال های ژنومی و تکنیک های SSTF در یادگیری ماشین پرداخته است. داده های ژنومی از سایت KEGG به تعداد ۲۰۰۰ نمونه برای هر دو نوع خانواده ویروس های +ssRNA و -ssRNA دانلود و با استفاده از منحنی Z و SSTF به تصاویر تبدیل شدند. ویژگی های این تصاویر با مدل VGG۱۶ استخراج شده و سپس برای طبقه بندی با مدل های ماشین بردار پشتیبان (SVM) و جنگل تصادفی تحلیل شده اند. نتایج نشان می دهد که مدل جنگل تصادفی با دقت ۹۹ درصد عملکرد بهتری نسبت به مدل SVM با دقت ۷۶ درصد داشته است. همچنین این مدل با دقت بالایی قادر به شناسایی صحیح خانواده های ویروسی در ۲۰۰ نمونه آزمایشی بوده است.