مرور درختی موضوعات | کتابخانه مجازی الفبا

خوارج به عنوان یکی از گروه های موثر در حوادث قرون اولیه هجری، برای نخستین بار در دوره خلافت امام علی (ع) و در جنگ صفین به عنوان یک فرقه مستقل پدیدار گشتند و به مخالفت با حکمیت برخاستند. با انتقال خلافت به امویان، خوارج قیام های متعددی بر ضد بنی امیه برپا کردند. به همین سبب، تحت تعقیب حکام اموی قرار گرفتند و به ناچار فعالیت های خود را به مناطق دور از مرکز خلافت ازجمله مناطق جنوب شرقی ایران و سیستان انتقال دادند. خوارج که در سیستان به کمک مردم بومی این منطقه حدود سه قرن فعالیت های نظامی خود را در برابر امویان و عباسیان ادامه دادند؛ اما در نهایت نتوانستند موجودیت خود را در این منطقه تداوم بخشند و در میان بومیان استحاله شدند. پرسش اساسی این است که چرا تفکر خارجی گری در سیستان پایدار نماند؟ به نظر می رسد، عوامل ناکامی ایشان عبارتند از: رویه خشونت و ترور خوارج، سرکوب آنها توسط امویان، تقدم بازوی مبارزاتی خوارج بر بازوی عقیدتی آنها و ناتوانی خوارج در همسویی با فرهنگ بومی سیستان.

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.