مشاهده مشخصات مقاله
پیش‌بینی عملکرد پروتئین‌ها با استفاده از الگوریتم درخت تصمیم با فرض ناسازگار بودن کلاس‌های عملکردی نمونه‌ها
|
Authors |
|
|
Conference |
نوزدهمین کنفرانس ملی سالانه انجمن کامپیوتر ایران |
|
Abstract |
پیش‌بینی عملکرد پروتئین‌ها (PFP) یکی از مسائل محاسباتی پیچیده به حساب می‌آید که در آن، هر پروتئین می‌تواند همزمان به بیش از یک کلاس عملکردی تعلق داشته باشد، هم‌چنین، کلاس‌ها در یک ساختار سلسله‌مراتبی به فرم درخت یا گراف جهت‌دار بدون دور سازماندهی می‌شوند. بنابراین، الگوریتم‌های مورد استفاده برای حل این مسأله، باید قادر به شناسایی همه‌ی کلاس‌های عملکردی یک پروتئین باشند و از طرفی سازگاری بین کلاس‌های عملکردی را حفظ کنند. بسیاری از الگوریتم‌های پیشنهادی، به منظور حفظ سازگاری کلاس‌های پیش‌بینی شده، به سادگی طی یک مرحله پیش‌پردازش، ناسازگاری‌های موجود بین کلاس‌های نمونه‌های آموزشی را رفع کرده و با فرض سازگار بودن مجموعه‌داده آموزشی، سازگاری کلاس‌های پیش‌بینی شده را تضمین می‌کنند. این راه‌حل، احتمال انتشار خطا را افزایش می‌دهد. این مقاله برای حل مسأله PFP، یک راه‌حل دو لایه‌ای ترکیبی را پیشنهاد می‌کند که با فرض ناسازگار بودن کلاس‌های عملکردی نمونه‌های آموزشی، سعی در پیش‌بینی کلاس‌های عملکردی سازگار برای یک نمونه جدید دارد. نتایج ارزیابی الگوریتم بر روی دو مجموعه‌داده چند برچسبی و سلسله‌مراتبی CellCycle و Derisi که با استفاده از اطلاعات داده‌های بیان ژن، عملکرد پروتئین‌ها را در دو نسخه FunCat و GO بیان می‌کنند، برتری روش پیشنهادی را نسبت به روش‌های موجود، به وضوح نشان می‌دهد. |
|
قیمت |
-
برای اعضای سایت : 100,000 Rial
-
برای دانشجویان عضو انجمن : 20,000 Rial
-
برای اعضای عادی انجمن : 40,000 Rial
|
خرید مقاله
|
|
.gif){kind=icon}