مقایسه روش های جمعی در شناسایی ژن های عامل بیماری
محل انتشار: هفتمین کنفرانس بین المللی فناوری اطلاعات و دانش
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 808
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICIKT07_024
تاریخ نمایه سازی: 22 مهر 1394
چکیده مقاله:
شناسایی ژن های عامل بیماری در ژنوم انسانی یک کار مهم اما چالشی در تحقیقات زیست پزشکی است. یکی از روشهای محاسباتی در بیوانفورماتیک برای کشف ژن بیماری جدید استفاده از روش های یادگیری ماشین بر اساس ژن های شناخته شده است. روش های هوشمند موجود به طور معمول ژن های بیماری شناخته شده را به عنوان داده آموزشی مثبت و ژن های ناشناخته را به عنوان مجموعه آموزشی منفی (مجموعه ای از ژن های غیر بیماری وجود ندارد) در نظر می گیرند. در این مقاله ضمن بررسی کارآیی چند روش جمعی برای پیش بینی ژن های عامل بیماری، مقاوم بودن روش LogitBoost به نویز روی داده های ژن های عامل بیماری بررسی شده است. نتایج این بررسی نشان می دهد که LogitBoost با استفاده از رگرسیون به عنوان یادگیرنده پایه در مقابله با داده های نویزی به خوبی عمل کرده است. این عملکرد نسبت به روش های نوینی مثل یادگیری نیمه نظارتی مثبت بدون برچسب، قابل قبول بوده است.
کلیدواژه ها:
روش های جمعی ، آنتولوژی ژن ، شبکه میانکنش بین پروتئینی ، شناسایی ژن های عامل بیماری ، اولویت بندی ژن های عامل بیماری
نویسندگان
غلامحسین جوکار
دانشکده مهندسی برق و کامپیوتر، دانشگاه شیراز
اقبال منصوری
دانشکده مهندسی برق و کامپیوتر، دانشگاه شیراز
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :