کلاسه بندی فعالیت پروتئین P53 مبتنی بر استخراج ویژگی و شبکه های عصبی احتمالی
محل انتشار: چهارمین کنفرانس داده کاوی ایران
سال انتشار: 1389
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,929
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می 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:
IDMC04_098
تاریخ نمایه سازی: 15 دی 1389
چکیده مقاله:
طبیعت داده های بیولوژیک به گونه ای است که داده ها با حجم و جزئیات بیشتری ذخیره می شوند بنابراین کلاسه بندی این نوع داده ها در ماشینهای یادگیری اساسا با مشکل حجم بزرگ داده مواجه است چرا که هم پیچیدگی کلاسه بندی افزایش می یابد و هم درستی و دقت کلاسه بندی کاهش می یابد. برای کاهش ابعاد می توان از دو روش انتخاب ویژگی و یا استخراج ویژگی استفاده کرد دراین مطالعه از روش استخراج ویژگی برای کاهش بعد استفاده شده و از شبکه های عصبی احتمالی برای کلاسه بندی فعالیت مجموعه داده پروتئین P53 استفاده شده است پروتئین P53 در چرخه سلولی درمناطق کنترل وضعیت در صورت وجود اسیب در DNA سلول باعث ممانعت از تکثیر سلول یا مرگ سلول می شود در بیش از 50 درصد سرطانهای دنیا جهش در ژن P53 یافته شده است که منجر به اختلال در فعالیت پروتئین P53 می شود از این رو P53 از مهمترین اهداف ژن درمانی تومور به حساب می اید کلاسه بندی فعالیت این پروتئین به دو دسته فعال و غیرفعال با استفاده از استخراج ویژگی و شبکه های عصبی احتمالی کاری است که دراین مقاله انجام شده است.
کلیدواژه ها:
نویسندگان
اعظم سادات زوار موسوی
دانشکده کامپیوتر و مکاترونیک دانشگاه آزاد اسلامی واحد علوم و تحقیقات ت
الهام رشیدی مهرابادی
دانشکده کامپیوتر و مکاترونیک دانشگاه آزاد اسلامی واحد علوم و تحقیقات ت
محمد تشنه لب
دانشیار دانشکده برق دانشگاه صنعتی خواجه نصیرالدین طوسی