Machine Learningپیش بینی کلاله سه شاخه و چند شاخه زعفران با استفاده از
محل انتشار: چهارمین همایش بیوانفورماتیک ایران
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 737
نسخه کامل این مقاله ارائه نشده است و در دسترس نمی باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IBIS04_115
تاریخ نمایه سازی: 14 شهریور 1393
چکیده مقاله:
زغفران یکی از اصلی ترین گیاهان دارویی است که در همه کشور ها مورد استفاده زیادی قرار می گیرد. کلاله زعفران مهمترین قسمت گیاه زعفران می باش د. تا کنون هیچ روش مطمئنی برای شناسایی گونه های سه و چند شاخه ارائه نشده است. در این بررسی با استفاده از الگوریتم های بیوانفورماتیک ی مختلف،ابزارهای جدیدی برای پیش بینی بر اساس نشانگر های ژنتیکی و مولکولی ارائه شده است. پنج آللM10850 ،M151100 ،M151200 ،M131400 و G6500 به عنوان مهم ترین نشانگر با دقت پیش بینی بالا بر اساس مدل Attribute Weighting انتخاب شدند که دارای پتانسیل بالایی برای پیش بینیو تشخیص کلاله سه یا چند شاخه هستند. دسته بندی بدون یادگیری بر اساس الگوریتم K-Means مبتنی بر داده های SVM قادر به خوشه بندی صحیحزغفران هستند. همه درختان بدست امده از مدل های مختلف درخت تصمیم گیری، تولید درختان معنی دار نمودند. در این درختان تصمیم گیری، الل های سه گانه M131400 ، M13780 و M151100 به وضوح قادر به تمایز کلاله سه ساخه از چند شاخه هستند. الگوریتم های یادگیری ماشین پیشنهادی(SVM و Naïve Bayes) نیز قادر به پیش بینی و تمایز بالایی هستند. برای اولین بار، نتایج ما نشان داد که روش های داده کاوی می تواند به شیوه ایبسیار موثر و با بالاترین دقت و صحت برای تمایز ژنتیکی جنس های زعفران مورد استفاده قرار گیرد.
کلیدواژه ها:
نویسندگان
امیرحسین بیکی
گروه زیست شناسی دانشکده علوم پایه دانشگاه قم
فاطمه کیفی
گروه بیوتکنولوژی کشاورزی، دانشگاه زنجان