مقایسه روش های جمعی در شناسایی ژن های عامل بیماری
- سال انتشار: 1394
- محل انتشار: هفتمین کنفرانس بین المللی فناوری اطلاعات و دانش
- کد COI اختصاصی: ICIKT07_024
- زبان مقاله: فارسی
- تعداد مشاهده: 814
نویسندگان
دانشکده مهندسی برق و کامپیوتر، دانشگاه شیراز
دانشکده مهندسی برق و کامپیوتر، دانشگاه شیراز
چکیده
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 بیماریمقالات مرتبط جدید
- بررسی اجمالی اینترنت اشیاء و مشکلات امنیتی آن
- نقش فرماندهی و کنترل و سامانه های آن در نبرد های آینده
- نقش فناوری های بدون سرنشین در عملیات جنگ نوین
- نقش زیرساخت های نظامی سایبری در کنترل میدان جنگ (اقدامات الکترومغناطیسی سایبری)
- طراحی و شبیه سازی دروازه منطقی تمام نوری AND مبتنی بر بلور فوتونی با ابعاد کم و مناسب برای مدارهای مجتمع نوری
اطلاعات 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.