بررسی یادگیری ماشین در بیوانفورماتیک

بیوانفورماتیک و زیست شناسی محاسباتی شامل برنامه های جامع ریاضیات، تکنیک های محاسباتی و مهندسی آمار، علوم، و علوم کامپیوتر است که به درک درست سیستم های زنده کمک میکند. تحقیق و توسعه در این زمینه ها نیاز به همکارانی متخصص است که در زمینه های زیست شناسی، علوم کامپیوتر، ریاضیات، آمار، فیزیک و علوم مرتبط تسلط دارند. بیوانفورماتیک علم ذخیرهسازی ؛ تجزیه و تحلیل و استفاده از اطلاعات دادههای زیستی مانند توالیها؛ مولکولها ؛ بیان ژن و مسیرها است. الگوی تطبیق و اجزای کشف الگو از داده کاوی اغلب توسط استفاده از روش های یادگیری ماشین انجام می شود. روش یادگیری ماشین می تواند محدودیتهای تکنیک های سنتی آدرس را بهبود بخشد. یادگیری ماشین یک فرآیند تطبیقی است که کامپیوتر را قادر می سازد برای یادگیری از تجربه و یادگیری با قیاس بیشتراستفاده کند. قابلیت های یادگیری برای بهبود اثبات عملکرد یک سیستم محاسباتی در طول زمان بر اساس نتایج قبلی به طور خودکار است. هدف از این مقاله بررسی بیوانفورماتیک و یادگیری ماشین و ارتباط بین این دو میباشد

کلیدواژه ها:

بیوانفورماتیک ، یادگیری ماشین ، آنالیز توالی مولکول ها ، الگوریتم تصادفی جنگلی ، خوشه بندی توضیع شده ، محاسبات شبکه ای ، توالی های مشابه