Machine Learningپیش بینی کلاله سه شاخه و چند شاخه زعفران با استفاده از
- سال انتشار: 1391
- محل انتشار: چهارمین همایش بیوانفورماتیک ایران
- کد COI اختصاصی: IBIS04_115
- زبان مقاله: فارسی
- تعداد مشاهده: 759
نویسندگان
گروه زیست شناسی دانشکده علوم پایه دانشگاه قم
گروه بیوتکنولوژی کشاورزی، دانشگاه زنجان
چکیده
زغفران یکی از اصلی ترین گیاهان دارویی است که در همه کشور ها مورد استفاده زیادی قرار می گیرد. کلاله زعفران مهمترین قسمت گیاه زعفران می باش د. تا کنون هیچ روش مطمئنی برای شناسایی گونه های سه و چند شاخه ارائه نشده است. در این بررسی با استفاده از الگوریتم های بیوانفورماتیک ی مختلف،ابزارهای جدیدی برای پیش بینی بر اساس نشانگر های ژنتیکی و مولکولی ارائه شده است. پنج آللM10850 ،M151100 ،M151200 ،M131400 و G6500 به عنوان مهم ترین نشانگر با دقت پیش بینی بالا بر اساس مدل Attribute Weighting انتخاب شدند که دارای پتانسیل بالایی برای پیش بینیو تشخیص کلاله سه یا چند شاخه هستند. دسته بندی بدون یادگیری بر اساس الگوریتم K-Means مبتنی بر داده های SVM قادر به خوشه بندی صحیحزغفران هستند. همه درختان بدست امده از مدل های مختلف درخت تصمیم گیری، تولید درختان معنی دار نمودند. در این درختان تصمیم گیری، الل های سه گانه M131400 ، M13780 و M151100 به وضوح قادر به تمایز کلاله سه ساخه از چند شاخه هستند. الگوریتم های یادگیری ماشین پیشنهادی(SVM و Naïve Bayes) نیز قادر به پیش بینی و تمایز بالایی هستند. برای اولین بار، نتایج ما نشان داد که روش های داده کاوی می تواند به شیوه ایبسیار موثر و با بالاترین دقت و صحت برای تمایز ژنتیکی جنس های زعفران مورد استفاده قرار گیرد.کلیدواژه ها
زعفران، داده کاوی، یاد گیری ماشین، درخت تصمیماطلاعات 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.