الگوریتم ترکیبی بهینه سازی کلونی مورچه و الگویتم ژنتیک جهت انتخاب ویژگی برای پیش بینی عملکرد پروتیین ها

پیش بینی عملکرد((function پروتیین یکی از مسایل مهم در دانش ژنومیک کاربردی1 است . بصورت معمول دنباله های پروتیینی بصورت برداری از ویژگی ها نمایانده میشوند . مشکل بیشتر دیتاست های پروتیینی افزایش پیچیدگی مدلهای دسته بند2 در مواجهه باتعداد زیاد ویژگی ها است. روش های گوناگون انتخاب ویژگی برای کاهش ابعاد ویژگی ها مطرح شده است. در این مقاله مروری به بررسی یک روش جدید انتخاب ویژگی پرداخته شده که از ترکیب الگوریتم ژنتیک(3(GA و بهینه سازی کلونی مورچه(4(ACO جهت جستجوی سریعتر و بهتر مجموعه ویژگی ها استفاده کرده است. الگوریتم ترکیبی ارایه شده از مزایای هر دو الگوریتم اشاره شده استفاده میکند. به جهت استفاده از دسته بند های ساده به راحتی قابل پیاده سازی بوده و پیچیدگی محاسباتی کمی دارد. کارایی الگوریتم پیشنهادی با دو الگوریتم شناخته شده بر پایه جمعیت5 ACO و GA (به صورت جداگانه) مقایسه شده است. آزمایش ها با استفاده از دو دیتاست بیولوژیکی چالش برانگیز GPCRs6 و enzymes صورت گرفته است. معیارهای بکار برده جهت مقایسه حداکثر دقت پیش بینی به همراه انتخاب کوچکترین زیرمجموعه از ویژگی ها برتری الگوریتم پیشنهادی را نشان می دهد.

کلیدواژه ها:

پیش بینی عملکرد پروتیین ، الگوریتم بهینه سازی کلونی مورچه ، الگوریتم ژنتیک ، انتخاب ویژگی