مقاله کنفرانسی سال ۱۴۰۱ فارسی

انتخاب ویژگی برای پیش بینی عملکرد پروتئین با استفاده از یک رویکردتکاملی

چکیده مقاله

پیشبینی عملکرد پروتئین یکی از مسائل مهم در دانش ژنومیک کاربردی است شناخت بهتر عملکرد پروتئین ها میتواند عامل پیشرفت دانش بیولوژی و کاربردهای آن از قبیل توسعه داروها و محصولات جدید باشد کاربرد اساسی پیشبینی عملکرد پروتئین در بیوانفورماتیک، تعییننقش های بیولوژیکی پروتئین ها است هدف از این پیشبینی، یافتن ساختارهایی در پروتئین ها است که عملکرد آن ها شناخته شده باشد چراکه با شناسایی ساختارهای مشابه، عملکرد پروتئین های جدید پیشبینی شود روش خوشه بندی سلسله مراتبی دارای محدودیتی است به طوری که اگریک پیشبینی در سطوح بالاتر نادرست باشد، دیگر قابل اصلاح نیست و افزایش تعداد دسته ها در سطوح پایین تر باعث کاهش تعداد نمونه های هر دسته می باشد اما این دو عامل در دقت پیشبینی در سطوح بالاتر نقش بسیار اساسی دارند؛ بنابراین مسئله اصلی در پیشبینی عملکرد پروتئین،افزایش پیچیدگی مدل های دسته بند در مواجه با تعداد زیاد ویژگی ها است مسئله انتخاب ویژگی برای افزایش کارایی و بهبود عملکرد دسته بند اهمیت بسزایی دارد انتخاب ویژگی یک مسئله بهینه سازی چندجمله ای غیرقطعی سخت است و با توجه به کارایی این الگوریتم ها در حل مسائل بهینه سازی، می توان از الگوریتم های بهینه سازی برای حل مسئله انتخاب ویژگی برای پیشبینی عملکرد پروتئین به کار برد مسئله انتخاب ویژگیبه عنوان یک مسئله بهینه سازی فرمول بندی شده و سپس جهت حل آن، الگوریتم ترکیبی ژنتیک و فاخته پیشنهاد و پیاده سازی شده است معیارارزیابی شامل دقت پیشبینی و انتخاب زیرمجموعه با طول کمینه از ویژگی ها، است نتایج آزمایش ها نشانگر عملکرد بهتر الگوریتم پیشنهادینسبت به الگوریتم های ژنتیک و فاخته است

کلیدواژه‌ها

پیشبینی عملکرد پروتئین انتخاب ویژگی الگوریتم ژنتیک الگوریتم فاخته

نویسندگان

تصویر حبیب ایزد خواه

حبیب ایزد خواه

دکترای علوم کامپیوتر، استاد دانشکده علوم ریاضی، گروه علوم کامپیوتر، دانشگاه تبریز

تصویر جعفر رزم آرا

جعفر رزم آرا

دکترای علوم کامپیوتر، استاد دانشکده علوم ریاضی، گروه علوم کامپیوتر، دانشگاه تبریز

شیوه ارجاع

�بداله پور حسینی، سیده الناز و ایزد خواه، حبیب و رزم آرا، جعفر،1401،انتخاب ویژگی برای پیش بینی عملکرد پروتئین با استفاده از یک رویکردتکاملی،اولین کنفرانس بین المللی و ششمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوع�

ارائه‌شده در

پوستر مجموعه مقالات دومین کنفرانس بین المللی و هفتمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی مجموعه مقالات دومین کنفرانس بین المللی و هفتمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی8 اسفند 1402 · اهواز
ادامه مسیر پژوهش

مقالات مرتبط

مقاله کنفرانسی سال ۱۴۰۱ ۱,۲۴۶ مشاهده

تشخیص تومور مغزی با رویکرد یادگیری عمیق و مکانیزم توجه با استفاده از تصاویر چندوجهیMRI

شناسایی زودهنگام و موفقیت آمیز تومورهای مغزی نقش مهمی در بهبود نتایج درمان و بقای بیمار دارد در حال حاضر…

ام آر آییادگیری عمیقتومور مغزی
مقاله کنفرانسی سال ۱۴۰۲ ۹۸۴ مشاهده

مروری بر تکنیک های هوش مصنوعی در خودروهای الکتریکی خودران

سیستم های رانندگی خودکار ADS دامنه ای جدید برای صنعت خودرو باز کرده و امکانات نوینی را برای حمل ونقل آین…

LiDARسیستم های خودرانوسایل نقلیه خودران
مقاله کنفرانسی سال ۱۴۰۲ ۹۸۴ مشاهده

مقایسه عملکرد دو مدل شبکه عصبی عمیق BiLSTM و CNN در پیش بینی قیمت سهام (مطالعه موردی: بورس اوراق بهادار تهران)

شبکه های عصبی به عنوان یک پیشرفت تکنولوژیک در زمینه یادگیری عمیق به ویژه در پردازش داده هایساختار بافته…

یادگیری عمیقشبکه های عصبیپیش بینی قیمت سهام
مقاله کنفرانسی سال ۱۴۰۱ ۹۴۲ مشاهده

مروری بر سیستم های توصیه گر مبتنی بر گراف دانش

در سال های اخیر با توجه به رشد روزافزون حجم داده ها در بسترهای مختلف، استفاده از سیستم توصیه گر برای کمک…

گراف دانشفاکتورسازی ماتریسسیستم های توصیه گر
مقاله کنفرانسی سال ۱۴۰۱ ۸۰۸ مشاهده

بهبود روش LIME با نمونه برداری هوشمند و غیر قطعی

LIME یکی از محبوب ترین مدل های هوش مصنوعی توضیح پذیر XAI ، است که سعی در شفاف سازی دلایل تصیم گیری مدل ه…

ثباتوفاداریروشLIME
مقاله کنفرانسی سال ۱۴۰۱ ۷۶۵ مشاهده

سامانه توصیه گر مبتنی بر گراف دانش با استفاده از شبکه عصبی کانولوشن

استفاده از گراف دانش به عنوان اطلاعات جانبی در سامانه های توصیه گر مدرن به طور گسترده افزایش پیدا کرده ا…

گراف دانشسامانه توصیه گرشبکه عصبی کانولوشن