ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

مهندسی ویژگی توالی DNA با استفاده از یادگیری عمیق

سال انتشار: 1397
کد COI مقاله: TECCONF03_235
زبان مقاله: فارسیمشاهد این مقاله: 323
فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 15 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله مهندسی ویژگی توالی DNA با استفاده از یادگیری عمیق

رضا احسن - دانشجو دکتری فناوری اطلاعات دانشگاه قم گروه کامپیوتر ، دانشکده مهندسی کامپیوتر، دانشگاه قم، قم، ایران
منصور ابراهیمی - دانشیار دانشگاه قم گروه زیست شناسی،دانشکده علوم پایه،دانشگاه قم، قم، ایران
مریم حنیفه - کارشناسی ارشد فناوری اطلاعات، موسسه آموزش عالی تعالی قم گروه کامپیوتر ،موسسه آموزش عالی فناوری اطلاعات، موسسه آموزش عالی غیرانتفاعی تعالی قم، قم، ایران
نرگس شم آبادی - کارشناسی ارشد زیست شناسی سلولی مولکولی، دانشگاه قم

چکیده مقاله:

در حوزه داده های حجیم، تبدیل داده های حجیم زیست فناوری به دانش ارزشمند یکی از چالش های مهم زیست فناوری است. یادگیری عمیق از اوایل سال 2000 به سرعت در حال پیشرفت است و هم اکنون نشان دهنده پیشرفت های اخیر در زمینه های مختلف است. بر این اساس استفاده از یادگیری عمیق در زیست فناوری برای بدست آوردن بینش از داده ها در صنعت و دانشگاه تاکید شده است.استفاده از ابزارهای کامپیوتری مکانیزه کننده , مخصوصا در یادگیری ماشین به منظور تسهیل آنالیزهای پزشکی و تشخیص, یک عرصه مهم و امید بخش می باشد .در این تحقیق نشان خواهیم داد که چگونه یادگیری مشخصه با ناظر و بدون ناظر , می تواند برای کشف نوع پروتیین و تحلیل نوع آن از داده توالی پروتیین، با استفاده از روشهای مختلف وزن دهی و کلاس بندی بخصوص یادگیری عمیق مورد استفاده قرار گیرد .مزیت اصلی روش پیشنهادی نسبت به روش های قبلی تشخیص پرروتیین , امکان به کارگیری داده از انواع مختلف پروتیین به صورت خودکار از مشخصه ای است که کمک به تسهیل کشف و تشخیص یک نوع مشخص پروتیین می کند. شناخت توالی DNAو محصولات آنها در میان افراد، می تواند منجر به یافتن راه های جدید و انقلابی برای تشخیص، درمان و حتی پیشگیری از هزاران اختلال که بر ما اثر می گذارد، شود. مجموعه داده های مورداستفاده در این مقاله برگرفته از مقالاتی که اثبات شده است که پروتیین موردنظر از نوع ترموفیل یا مزوفیل هستند جمع آوری شده اند زیرا هر باکتری چندین پروتیین مقاوم و یا حساس دارد و اگر یک باکتری حساس باشد لزوما به این معنی نیست که همه ژنهای آن حساس هستند به همین جهت میبایست داده های صحیح استخراج شود که از بانک داده پروتیین rcsb ،ncbi ،uniprot که پایگاه داده در حوزه شناسایی پروتیین و توالی آن هستند جمع آوری شده اند که با استفاده از شبکه عصبی عمیق , جهت کشف و دسته بندی انواع پروتیین بر اساس داده های توالی پروتیینی به کار برده شده است. هدف ما از این تحقیق،تشخیص و دسته بندی نوع پروتیین و انتخاب بهترین ویژگی ها با استفاده ازروشهای مختلف و یادگیری عمیق است .روش پیشنهادی ما در این تحقیق، شبکه عصبی عمیق می باشد که با استفاده از داده های توالی پروتیینی برای تشخیص ودسته بندی نوع پروتیین استفاده کردیم.در روش پیشنهادی، داده های توالی پروتیینهای مقاوم به گرما و نامقاوم به گرما را بررسی کردیم. نتایج بدست آمده از تجزیه و تحلیل بر روی داده های توالی پروتیینی ، با استفاده از شبکه عصبی عمیق، نشان می دهد که در تشخیص و دسته بندی پروتیین، درصد دقت آن بالا می باشد و می توان از این روش برای تشخیص و دسته بندی پروتیین ها استفاده کرد.بنابراین نویددهنده دستیابی کلی تر و جامع تری برای کشف و تشخیص پروتیین است.

کلیدواژه ها:

یادگیری عمیق- شبکه عصبی کانولوشن- پروتییین مزوفیل- پروتیین ترموفیل -مهندسی ویژگی

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/790078/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
احسن، رضا و ابراهیمی، منصور و حنیفه، مریم و شم آبادی، نرگس،1397،مهندسی ویژگی توالی DNA با استفاده از یادگیری عمیق،سومین کنفرانس ملی فناوری در مهندسی برق و کامپیوتر،سمنان،،،https://civilica.com/doc/790078

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1397، احسن، رضا؛ منصور ابراهیمی و مریم حنیفه و نرگس شم آبادی)
برای بار دوم به بعد: (1397، احسن؛ ابراهیمی و حنیفه و شم آبادی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: 4,270
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره 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.

پشتیبانی