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

چکیده مقاله

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

کلیدواژه‌ها

نویسندگان

هاله همایونی

استادراهنما

محمدامین رحمانی

هاله همایونی استادراهنما

همایونی، هاله و رحمانی، محمدامین،1396،الگوریتم ترکیبی بهینه سازی کلونی مورچه و الگویتم ژنتیک جهت انتخاب ویژگی برای پیش بینی عملکرد پروتیین ها،پنجمین کنفرانس بین المللی مهندسی برق و کامپیوتر با تاکید بر دانش بومی،تهران

ارائه‌شده در

مجموعه مقالات پنجمین کنفرانس بین المللی مهندسی برق و کامپیوتر با تاکید بر دانش بومی19 بهمن 1396 · تهران