مقایسه روشهای استفاده از یادگیری عمیق در زیست شناسی محاسباتی برای تجزیه وتحلیل و بهبود دادههای ژنتیک

یادگیری عمیق، یکزیرشاخه از یادگیری ماشین و برمبنای مجموعهای از الگوریتمها است که در تلاشهستند مفاهیم انتزاعی سطح بالا در دادگان را مدل نمایند که این فرایند را با استفاده از یکگراف عمیق که دارای چندین لایه پردازشی متشکل از چندین لایه تبدیلات خطی و غیرخطی هستند، مدل میکنند. شیوههای یادگیری ماشین رویکردهای همهمنظورهای برای فراگیری روابط کاربردی از داده بدون تعریف آنها بهصورت استقرایی هستند. در زیست محاسباتی، درخواست آنها قابلیتی است برای رسیدن به مدلهای پیشگو بدون نیاز بهفرضیات قوی درباره مکانیزمهای زیرساخت که اغلب ناشناخته بوده یا به حد کافی تعریف نشدهاند. بهعنوان نمونه دقیقترین پیشگویی سطوح بیان ژن هم اکنون از مجموعه گستردهای از ویژگیهای اپیژنتیکساخته شده است. پیشبینیها در ژنومیک، پروتیومیکس، متابولومیکسیا حساسیت به ترکیبات،همه بهرویکردهای یادگیری ماشین بهعنوان یکماده اولیه کلیدی بستگی دارد. در این تحقیق به بررسی و مقایسه دو پژوهشدر زمینه یادگیری عمیق پرداخته میشود.

کلیدواژه ها:

یادگیری ماشین ، شبکه عصبی ، یادگیری عمیق ، خوشهبندی ژن