Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

مقایسه ماشین بردار پشتیبان و شبکه عصبی برای طبقهبندی پروتئینهای متصل شونده به لیپید

چهارمین همایش بیوانفورماتیک ایران
سال انتشار: 1391
کد COI مقاله: IBIS04_091
زبان مقاله: فارسیمشاهده این مقاله: 356
نسخه کامل این مقاله ارائه نشده است و در دسترس نمی باشد

مشخصات نویسندگان مقاله مقایسه ماشین بردار پشتیبان و شبکه عصبی برای طبقهبندی پروتئینهای متصل شونده به لیپید

محمد رضا بختیار زاده - گروه علوم دامی، دانشگاه تهران، گروه زراعت و اصلاح نباتات، دانشگاه شیراز
محمد مرادی شهر بابک - گروه علوم دامی، دانشگاه تهران، گروه زراعت و اصلاح نباتات، دانشگاه شیراز
اسماعیل ابراهیمی

چکیده مقاله:

پروتئین ها دارای عملکردهای متفاوتی می باشند، بطوری که نشانه های مربوط به وظایف هر پروتئین در توالی اسید آمین های آن پروتئین وجود دارد. روشهای محاسباتی مختلفی به منظور تسهیل پیشبینی عملکرد پروتئین ها ارائه گردیده است که بر پایه شناسائی میزان شباهت بین توالیها و خوشه بندی میباشند. با این حال کاربرد این روشها در صورت نبود شباهت کافی بین توالیهای پروتئین های دارای عملکرد مشابه، مشکل خواهد بود. کارائی رو ش های ماشین یادگیری برای پیشبینی خصوصیات مختلف پروتئین ها اثبات گردیده است. ماشین بردار پشتیبان (SVM) و همچنین شبکه عصبی (NN) به عنوان دو روش ماشین یادگیری روش بسیار قدرتمند می باشند، که در این زمینه بسیار مورد استفاده قرار میگیرند. پروتئین های متصل شونده به لیپید (LBPs) نقشهای مهمی در سلولهای دارای عملکرد مختلف ایفا میکنند، با این وجود، علیرغم عملکرد مشابه این پروتئینها، شباهت بین توالیهای این پروتئین ها معمولاپائین میباشد. در این مطالعه دو روش SVM و NN با استفاده از خصوصیات فیزیک وشیمیائی و ترکیب اسید آمینه های توالیهای پروتئینی به منظور پیش-بینی و طبقه بندی LBPs با همدیگر مورد مقایسه قرار گرفتند. مجموعه داد ه های مورد استفاده در این مطالعه برای آموزش و امتحان مدل از سایتUniProt استخراج گردید. نرمافزار Rapid miner ( نسخه 5.0.001) به منظور آموزش و امتحان مجموعه داده های مورد بررسی با استفاده از دو روشSVM و NN مورد استفاده قرار گرفت. مجموعه داده های LBPs وپروتئین های غیر مرتبط باnon-LBPs) LBPs ) به ترتیب شامل 10603 و 185628 توالی پروتئینی بود، بطوری که مجموعه LBPs متعلق به 9 گروه شامل تجزیه لیپید، متابولیسم لیپید، تولید لیپید، انتقال لیپید، اتصال به لیپید، تولیدلیپوپلیساکارید، لیپوپروتئین، لیپویل و همه پروتئینهای متصل شونده به لیپید میباشد. در این تحقیق از روش طبقه بندی دوتائی برای همه گروهها استفاده گردید. هر کدام از گروه های LBPs شامل یک زیرمجموعه داده مثبت (گروه هایLBPs ) و یک زیرمجموعه داده منفی (non-LBPs) بود. شباهت بینتوالیهای پروتئینی در همه مجموعه دادهها کمتر از 90% تعیین گردید. پنج زیرمجموعه داده منفی به طور تصادفی از مجموعه داد ه هایnon-LBPs برای بررسی هر گروه به منظور اجتناب از اریب ناشی از انتخاب زیر مجموعه دادههای منفی در نظر گرفته شد. . نتایج پیشبینیها با استفاده از آزمو نهای تائید- متقاطع پنج تائی و مجموعه داده مستقل مورد ارزیابی قرار گرفت. بازده دو روش SVM و NN با توجه به میانگین صحت مربوط به این پنج مجموعه داده مورد ارزیابی قرار گرفتند. یافته ها نشان داد که نتایج حاصل شده از SVM صحت و کارائی بالاتری نسبت به روش NN دارد. میز ان صحت بدست آمده برپایه پایه آزمون تائید- متقاطع پنج تائی به منظور طبقه بندی LBPs نسبت به non-LBPs با استفاده از SVM 89.28% بود، بطوری که این مقدار برایروش NN 75.12، بدست آمد. بر اساس آزمون مجموعه داده مستقل صحت برابر با 89.55 و 74.88% به ترتیب برای روش های SVM و NN برآورد شد. میانگین صحت برای پیشبینی LBPs نسبت به non-LBPs و بر پایه پایه آزمون تائید- متقاطع پنج تائی 91.75 و 85.5% و همچنین بر پایه آزمون مجموعه داده مستقل 92.53 و 86.45% به ترتیب برای روشهای SVM و NN به دست آمد. نتایج مطالعه حاضر نشان داد ک ه SVM روشی مناسب برایروشهای طبقه بندی و پیشبینی در ژنومیکس عملکردی میباشد.

کلیدواژه ها:

SVM ، شبکه عصبی ، پروتئینهای متصل شونده به لیپید ، طبقهبندی

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا IBIS04_091 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/287645/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
بختیار زاده، محمد رضا و مرادی شهر بابک، محمد و ابراهیمی، اسماعیل،1391،مقایسه ماشین بردار پشتیبان و شبکه عصبی برای طبقهبندی پروتئینهای متصل شونده به لیپید،چهارمین همایش بیوانفورماتیک ایران،تهران،https://civilica.com/doc/287645

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1391، بختیار زاده، محمد رضا؛ محمد مرادی شهر بابک و اسماعیل ابراهیمی)
برای بار دوم به بعد: (1391، بختیار زاده؛ مرادی شهر بابک و ابراهیمی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: 20,994
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره 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.

پشتیبانی