پیش بینی گونه های مختلف بابونه با استفاده از یادگیری ماشین

بابونه یکی از اصلی ترین گیاهان دارویی است که در در همه کشور ها مورد استفاده زیادی قرار می گیرد. با وجود اهمیت دارویی این گیاه اطلاعات چندانیدر مورد تنوع ژنتیکی و پیش بینی جنس و گونه های مختلف این گیاه بر حسب داده های مولکولی وجود ندارد. در دهه اخیر شاهد پیشرفت قابل ملاحظهای درژنتیک مولکولی وداده پردازی بیولوژیکی هستیم. ابزار ها و روش های محاسباتی والگوریتم های مختلفی برای تجزیه و تحلیل اطلاعات و به تصویرکشیدن یافته های بیولوژیکی انجام گرفته است. روش های تئوریکی، تحلیلی، مدلینگ ریاضی و شبیه سازی کامپیوتری برای مطالعه سیستم های بیولوزیکی،رفتاری و حتی اجتماعی ایجادشده است. الگوریتمها، مدل ها و شیوه های مختلفی برای یافتن ارتباط میان افراد بوجود آمده و گسترش یافته اس ت. یادگیریمدل هایی مثل SMV و Bayse از جمله تکنیک های رایج یادگیری ماشین می باشند که به دلیل سادگی و کارامدی به شکل گسترده ای در مسائل مربوطبه یادگیری ماشینی استفاده می شوند .در این بررسی، برای اولین بار از شیوه های مختلف داده کاوی و یادگیری ماشین برای تعیین طبقه بندی ک ننده ایکه می تواند نمونه های مختلف بابونه را بر اساس داده های بدست آمده از مارکر های پروتئینی متمایز نماید، استفاده شده است. همچنین با استفاده از یادگیری ماشین به پیش بینی جنس بابونهپرداخته شده است. پروتئین 45708 دالتونی حاصل ازالگوی الکتروفورز پروتئین کل بابونه در 140 نمونه موردبررسی، قابلیت تمایزغیر قابل انکاری برای دو جنس Anthemis و Tripleurospermom را دارد. درخت تصمیم گیری حاصل از الگوریتم های مختلف بهسادگی می تواند بر اساس پروتئین ها ی مختلف پیش بینی قابل اعتمادی را موجب شود.

کلیدواژه ها:

ماشین یادگیری ، داده پردازی ، خوشه بندی ، مارکر مولکولی ، بابونه