CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

پیش بینی کلاس ساختاری پروتئین ها با استفاده از تئوری گراف و شبکه های عصبی خودسازمان ده

اعتبار موردنیاز : ۱ | تعداد صفحات: ۱۲ | تعداد نمایش خلاصه: ۶۹۶ | نظرات: ۰
سال انتشار: ۱۳۹۲
کد COI مقاله: NANOO01_174
زبان مقاله: فارسی
حجم فایل: ۱.۴۴ مگابات (فایل این مقاله در ۱۲ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۲ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیش بینی کلاس ساختاری پروتئین ها با استفاده از تئوری گراف و شبکه های عصبی خودسازمان ده

  فاطمه خوشخو - دانشجوی دانشگاه تحصیلات تکمیلی علوم پایه زنجان
  مهدی وثیقی - استادیار دانشگاه تحصیلات تکمیلی علوم پایه زنجان
  محمد خوشخو - دانشجوی موسسه آموزش عالی طبری

چکیده مقاله:

تجزیه و تحلیل و تفسیر توالی های زیستی در زمره مسائل مورد توجه در حیطه بیوانفورماتیک است پروتئین ها بر اساس اندازه فیزیکی در زمره نانو ذرات طبه بندی می شوند علاوه بر این دنباله ای از آمینو اسیدها شکل دهنده اسختار اول پروتئین ها خواهد بود بنابراین واضح است که آمینو اسیدها نیز به عنوان زیر مجموعه هایی از نانو ذرات تلقی شوند بزرگترین آمینو اسید موجود تریپتوفان نام دارد که در حدود 1.2 نانو متر طول دارد به منظور بررسی عملکرد پروتئین دانشمندان سعی در پیش بینی ساختار سه بعدی پروتئین از توالی اسید آمینه ی آن دارند علی رغم مطالعات گسترده در زمینه ی ساختار پروتئین ها تعیین ساختار سه بعدی پروتئین از توالی اسید آمینه ی آن دارند علی رغم مطالعات گسترده در زمینه ی ساختار پروتئین ها تعیین ساختار سه بعدی پروتئین کماکان کار مشکلی است با توجه به این موضوع که اسیدهای آمینه توسط رشته ای از کاراکترها نشان داده می شوند لازمه پیش بینی ساختار پروتئین های جدید تبدیل اسیدهای آمینه به فرمت عددی است در این مقاله برای توصیف دنباهل های پروتئین از یک توسف ریاضی جدید بر مبنای نظریه گراف استافده شده است به طور خاص برای هر توالی پروتئین یک گراف جهت دار وزنی ایجاد می شود این روکرد جدید به دلیل در نظر گرفتن همزمان ترتیب و تعداد حضور آمینو اسیدها اطلاعات بیشتری جهت پیش بینی اسختار پروتئین ها استخراج می نماید و به طراحی مدلی دقیق تر جهت کلاس بندی منجر می گردد به منظور طبقه بندی پروتئین ها با استافده از اطلاعات ساختار اول از شبکه عصبی مصنوعی استفاده شده است این نوع شبکه عصبی مصنوعی بر پایه ی نوعی از نقشه های خودسازمانده بود که از توانایی بالایی جهت یادگیری نظارتی (طبقه بندی داده ها) برخوردار می باشد روش پیشنهادی بر روی مجموعه داده ای که یکی از چالش برانگیزترین مجموعه داده ا است اعمال گردید صحت طبه بندی توالی های بیولوژیکی توسط معتبر سازی متقاطع در حدود 7/88% بدست آمد که در مقایسه با سایر روش های پیشنهادی جهت آنالیز این داده ها بهبود قابل توجهی مشاهده گردید.

کلیدواژه‌ها:

دنباله های پروتئین ، گراف وزن دار ، کلاس ساختاری پروتئین ها ، پیش بینی ساختارهای پروتئن ، شبکه عصبی مصنوعی ، نقشه های خود سازمانده نظارتی

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-NANOO01-NANOO01_174.html
کد COI مقاله: NANOO01_174

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
خوشخو, فاطمه؛ مهدی وثیقی و محمد خوشخو، ۱۳۹۲، پیش بینی کلاس ساختاری پروتئین ها با استفاده از تئوری گراف و شبکه های عصبی خودسازمان ده، اولین همایش ملی نانوتکنولوژی مزایا و کاربردها، همدان، انجمن ارزیابان محیط زیست هگمتانه، https://www.civilica.com/Paper-NANOO01-NANOO01_174.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (خوشخو, فاطمه؛ مهدی وثیقی و محمد خوشخو، ۱۳۹۲)
برای بار دوم به بعد: (خوشخو؛ وثیقی و خوشخو، ۱۳۹۲)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • صمد، جهاندیده، پرویز، عبدالمالکی، محمد مهدی، موحدی، ۱۳۸۵، پیش‌گویی کلاس‌های ... (مقاله ژورنالی)
  • محل برگزاری: همدان دانشکده شهید مفتح ۱۵ اسفند ۱۳۹۲ ...
  • Anfinsen, Fisher, Waldo R, Taniuchi, Hiroshi, and Christian B (1973): ...
  • Bohr, Ehrlich, L, Reczko, Hemrik, and Wade, RC. 1998» Prediction ...
  • Cai, Yu-Dong, Liu, Xiao-Jun, Xu, Xue-biao, and Zhou, Guo-Ping. , ...
  • Cao, Youfang, Liu, Shi, Zhang, Lida, Qin, Jie, Wang, Jiang, ...
  • Chothia, Cyrus, Levit, Michael, and Richardson, Douglas. 1977» Structure of ...
  • Chou, Kuo-Chen and Zhang, Chun-Ting., 1995» Prediction of protein structuralclasse ...
  • Chou, Peter Y and Fasman, Gerald D. 1978»Empirical predictions of ...
  • Dayhoff, Margaret O and Schwartz, Robert M. 1978 »A model ...
  • Ghosh, Ashish and Parai, Bijnan. 2008 _ Protein secondary structure ...
  • Gibrat, J-F, Garnier, J, and Robson, B. Further1987, developments of ...
  • Gupta, Ravi, Mittal, Ankush, and Singh, Kuldip.2008»A time-series-based fe ature ...
  • Jarkko, Kyngas, Jari and Valjakka, (1998): »Unreliability of the chou-fasman ...
  • Melssen, Willem, Wehrens, Ron, and Buydens, Lutgarde. 2006» Supervised koh ...
  • Qi, Xingqin, Wu, Qin, Zhang, Yusen, Fuller, Eddie, and Zhang, ...
  • Saejoon. Kim, 2004» Protein turn prediction using nearest-neighbor method. «Bio ...
  • Saidi, Rabie, Maddouri, Mondher, and Nguifo, EngelbertMephu. 2010» Protein S ...
  • Sej nowski , Bazhenov, Maxim, Timofeev, Igor, Steriade, Mircea, and ...
  • ZhangC.-T. and K.-C. Chou, 1992:An optimization approach to predicting protein ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۳۱۷
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.