مرور درختی موضوعات | کتابخانه مجازی الفبا

مرور درختی موضوعات | کتابخانه مجازی الفبا

کتابخانه مجازی الفبا،تولید و بازنشر کتب، مقالات، پایان نامه ها و نشریات علمی و تخصصی با موضوع کلام و عقاید اسلامی کتابخانه مجازی الفبا،تولید و بازنشر کتب، مقالات، پایان نامه ها و نشریات علمی و تخصصی با موضوع کلام و عقاید اسلامی

فارسی  |   العربیه  |   English  
telegram

در تلگرام به ما بپیوندید

public

کتابخانه مجازی الفبا
کتابخانه مجازی الفبا
header
headers
پایگاه جامع و تخصصی کلام و عقاید و اندیشه دینی
جستجو بر اساس ... همه موارد عنوان موضوع پدید آور جستجو در متن
: جستجو در الفبا در گوگل
استرجاع ( گفتن انالله..) تحیت کلام بعد از اقامه کلام به زبان عجم در مسجد کلام بین اذان و اقامه کلام بین تکبیرات عیدین کلام بین دو خطبه جمعه کلام بین نماز مغرب و نافله کلام خطیب هنگام خطبه جمعه کلام در اذان کلام در اقامه کلام در ذات خدا کلام در طواف کلام در نماز کلام دنیوی در مسجد کلام کفر آمیز هنگام خشم کلام مأموم هنگام خطبه جمعه کلام نرم کلام هنگام تخلّی کلام هنگام جماع گفتن بعض اذان گفتن سه مرتبه الصلاة
جستجو در برای عبارت
مرتب سازی بر اساس و به صورت وتعداد نمایش فرارداده در صفحه باشد جستجو
مدلسازی شبکه های تنظیم کننده ژنی با استفاده از داده های سری زمانی میکروآرایه
نویسنده:
فاطمه یاوری
نوع منبع :
رساله تحصیلی , کتابخانه عمومی
وضعیت نشر :
ایرانداک,
چکیده :
تعاملات بین ژن‌ها، پروتیین‌ها و مواد دیگر در سلول، تشکیل یک شبکه‌ی پیچیده می‌دهند که نقش مهمی در عملکرد درست سلول بازی می-کند. مدلسازی شبکه‌های ژنی می‌تواند در زمینه‌های مختلف مانند شناسایی بیماری‌های ژنتیکی، انتخاب کاندیداهای ژن‌درمانی و به‌دست‌آوردن ایده‌هایی در مورد عملکرد ژن‌های ناشناخته کاربرد داشته باشد. روش آزمایشگاهی میکروآرایه‌های DNA امکان اندازه‌گیری همزمان بیان هزاران ژن را فراهم می‌کنند. به دلیل نویزی بودن داده‌های میکروآرایه و طبیعت احتمالاتی شبکه‌های بیزین و بیزین دینامیک و لذا توانایی آنها در کار با این‌گونه داده‌ها، در مطالعه‌ی حاضر از آنها برای مدلسازی روابط علّی میان ژن‌ها استفاده شده است. یک مسأله‌ی اساسی در مورد یادگیری این شبکه‌ها، افزایش فوق‌نمایی تعداد ساختارهای ممکن شبکه، با افزایش تعداد گره‌های آن است. به‌علاوه تعداد زیاد ژن‌ها (ویژگی) و تعداد کم نقاط زمانی (نمونه) در داده‌های میکروآرایه، مساله‌ی یادگیری را مشکل‌تر می‌سازد. برای حل این مساله، در مطالعه‌ی حاضر از خوشه‌بندی ژن‌ها استفاده شده است؛ به این‌صورت که در ابتدا ژن‌ها، بر اساس اطلاعات بیولوژیکی موجود در مورد آنها (اُنتولوژی ژن) به گروه‌هایی تقسیم شده و سپس از مدل‌های BN و DBN برای مدلسازی روابط علّی ژن‌ها در هر خوشه استفاده شد. با توجه به همپوشانی بین خوشه‌ها، از ترکیب زیرشبکه‌های حاصل، یک شبکه‌ی سراسری از ژن‌های موردبررسی ایجاد می‌شود. مزایای این روش خوشه‌بندی، استفاده از اطلاعات بیولوژیکی به جای معیارهای آماری که لزوماً از نظر زیستی معنادار نیستند، ایجاد خوشه‌هایی از ژن‌هایی که واقعاً با هم همکارند و تعیین خودکار تعداد خوشه‌ها بر اساس اطلاعات بیولوژیکی، می‌باشد. با این تکنیک، امکان مدلسازی روابط بین تعداد زیادی ژن فراهم می-شود؛ در حالی‌که در اکثر کارهای انجام‌شده، ارتباطات بین تعداد کمی از ژن‌ها مدلسازی می‌شوند. با توجه به این‌که داده‌های مورد استفاده، سری‌زمانی‌اند و در BN اطلاعات زمان وجود ندارد، در این پایان‌نامه با استفاده از همبستگی بین پروفایل‌های بیان ژن‌ها و شیفت آنها، به نحوی اطلاعات زمانی در این شبکه وارد شد. مقایسه‌ی نتایج حاصل از مدل BN با و بدون استفاده از اطلاعات همبستگی، نشان می‌دهد که این کار نتایج حاصل را بهبود می‌دهد (افزایش صحت بازسازی ارتباطات از %66 به %72 و بهبود حساسیت با افزایش تعداد ارتباطات بازسازی‌شده در مدل از 70 به 101). در مدل DBN مرتبه‌ی r مورد استفاده، علاوه بر ارتباطات بین ژن-ها، تاخیر زمانی متناظر با هریک (از صفر تا r) نیز ایجاد میگردد.