مقایسه پیش بینی ساختار ثانویه پروتیین با استفاده از الگوریتم های جنگل تصادفی و ماشین بردار پشتیبان چند دسته ای

معرفی مهارت های داده کاوی به عنوان یک ابزار خودکار برای کاهش پیچیدگی داده ها در پایگاه داده های بیوانفورماتیک و کشف الگوهای مفید، معنی دار و روابط داده ها می باشد که می تواند یک ابزار سودمندی برای محققین مهیا سازد. پروتیین ها در بدن تمام موجودات زنده وجود دارند و جزء لازم جهت رشد و ترمیم بافت های بدن هر موجودی هستند، بررسی پروتیین ها و آزمایش های مختلف روی آنها در بدن موش ها به دلیل شباهت هایی که بین فیزیولوژی موش و انسان وجود دارد، می تواند اطلاعات زیادی را در اختیار انسان قرار دهد. هدف اصلی این پژوهش ارایه یک مدل هوشمند مبتنی بر استراتژی یادگیری ماشین جهت پیش بینی تخمین ساختارهای پروتیین به طور خاص ساختار ثانویه پروتیین است از این در این تحقیق عنوان Data_Cortex_Nuclear که متعلق به موش است بررسی گردید. پیاده سازی الگوریتم ها به همراه نرم افزارهای وکا و متلب صورت گرفته است و نتایج حاصل از الگورریتم ها با یکدیگر مقایسه شدند و جنگل تصادفی بالاترین دقت و کارایی را داشته است.

کلیدواژه ها:

داده کاوی ، دسته بندی ، ساختار ثانویه پروتیین ، ماشین بردار پشتیبان چند دسته ای ، جنگل تصادفی