عنوان

پیش‌بینی ساختار و عملکرد مولکول‌های زیستی با استفاده از مقایسه رشته‌ها,‮‭Prediction of the Structure and Functioning of Biological Molecules Using Sequence Comparison‬

Number

‭۲۱۰۰۸پ‬

.Language of Text, Soundtrack etc

per

Title Proper

پیش‌بینی ساختار و عملکرد مولکول‌های زیستی با استفاده از مقایسه رشته‌ها

Parallel Title Proper

‮‭Prediction of the Structure and Functioning of Biological Molecules Using Sequence Comparison‬

First Statement of Responsibility

/بهنازالسادات متولی

Name of Publisher, Distributor, etc.

: مهندسی برق و کامپیوتر

Date of Publication, Distribution, etc.

، ‮‭۱۳۹۷‬

Name of Manufacturer

، افشاری

Specific Material Designation and Extent of Item

‮‭۷۱‬ص‬

Text of Note

چاپی - الکترونیکی

Dissertation or thesis details and type of degree

کارشناسی ارشد

Discipline of degree

مهندسی کامپیوتر گرایش معماری سیستم‌های کامپیوتری

Date of degree

‮‭۱۳۹۷/۱۲/۰۷‬

Body granting the degree

تبریز

Text of Note

در بیوانفورماتیک پروتئین و پیش‌بینی ساختار و عملکرد آن به عنوان یکی از انواع درشت مولکول‌ها یکی از چالش‌های بزرگی است که در سال‌ها متمادی مورد تحقیق و پژوهش قرار گرفته است .مشکل اصلی در حوزه پیش‌بینی ساختار و عملکرد پروتئین‌ها شامل دو بخش اصلی می‌گردد :اول آنکه برای دنباله رشته‌هایی که ساختار مشابهی در پایگاه‌داده‌های زیستی دارند چگونه ساختار و عملکردهایشان را دسته‌بندی کنند تا به واقعیت نزدیک باشد .دوم آنکه برای دنباله رشته‌هایی که ساختار آنها هنوز مشخص نشده است چگونه مدل‌ها و الگوریتم‌هایی تولید کنند که بتوانند ساختار و عملکرد این رشته‌ها را به درستی پیش‌بینی کنند .در این پروژه قصد داریم جایگاه پروتئین‌ها را به عنوان یکی از انواع درشت مولکول‌ها بررسی نماییم .سپس تلاش کردیم که با بررسی روش‌های مختلفی که در دهه اخیر برای پیش‌بینی ساختار و عملکرد این درشت مولکول زیستی بکار رفته‌اند، راهکارهایی برای بهبود پیش‌بینی ساختار و عملکرد این درشت مولکول زیستی ارائه دهیم .در این پروژه توانستیم نشان دهیم که می‌توان با تغییر ماتریس اطلاعات ورودی به شبکه عصبی نتایج حاصل از پیش‌بینی شبکه عصبی را تا ‮‭۸‬ درصد بهبود داد .همچنین با تغییر یک شبکه عصبی عادی و تبدیل آن به یک شبکه عصبی عمیق با تعداد لایه‌های بیشتر می‌توان دقت پیش‌بینی شبکه عصبی را تا ‮‭۱۶.۷‬ درصد افزایش داد .در آخر چالش‌ها، مشکلات و محدودیت‌هایی که در زمینه پیش‌بینی ساختار و عملکرد پروتئین‌ها وجود دارند را بررسی نمودیم و پیشنهاداتی برای کارهای آتی در این زمینه ارائه کردیم

Text of Note

In bioinformatics protein, as one of the large biological molecules, structure and function prediction is one the greatest challenges that has been researched for many years. The main problem of predicting the structure and function of proteins consists of two basic parts: firstly, to classify the proteins that have the same structure on biological databases in a way close to reality. Secondly, to look for chains whose structure has not been determined yet and how models and algorithms can produce correct prediction of these chains. In this project, we plan to explore the place of proteins as one of the wide variety of macromolecules. Then, we will try to find ways to improve the prediction of structure and function of this macromolecule using the previous used methods. The report of the project shows that by changing the structure of input information matrix we can improve the results by 8 . Following that we presented a normal neural network with more layers (considered as one way of making deep neural networks) can improve the prediction results by 16.7 . Even better than previously proposed deep neural networks. Finally, we explore different challenges and limitations that exist in this field and give suggestions for the future works

Parallel Title

‮‭Prediction of the Structure and Functioning of Biological Molecules Using Sequence Comparison‬

متولی، بهنازالسادات

Alsadat Motavali, Behnaz

Public note

سیاه و سفید

نمایه‌سازی قبلی