شماره کتابشناسی ملی
کد کشور
IR
شماره
۳۶۷۸پ
زبان اثر
زبان متن نوشتاري يا گفتاري و مانند آن
فارسی
کشور محل نشر یا تولید
کشور محل نشر
IR
عنوان و نام پديدآور
عنوان اصلي
شناسایی نواحی کدکننده پروتئینی در دنباله‌های DNA با استفاده از روش‌های یادگیری ماشین
نام عام مواد
[پایان‌نامه]
عنوان اصلي به زبان ديگر
Identification of Protein Coding regions in DNA Sequence Using Machine Learning approach
نام نخستين پديدآور
/عباس درویش فشتمی
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
: مهندسی پزشکی
تاریخ نشرو بخش و غیره
، ۱۳۹۷
مشخصات ظاهری
نام خاص و کميت اثر
۱۰۹ص.
ساير جزييات
:
يادداشت کلی
متن يادداشت
زبان: فارسی
متن يادداشت
زبان چکیده: فارسی
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی - الکترونیکی
یادداشتهای مربوط به مشخصات ظاهری اثر
متن يادداشت
مصور، جدول، نمودار
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
کارشناسی ارشد
نظم درجات
مهندسی پزشکی- بیوالکتریک
زمان اعطا مدرک
۱۳۹۷/۱۱/۰۱
کسي که مدرک را اعطا کرده
صنعتی سهند
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
DNAعامل اصلی انتقال وراثت بوده که از دو رشته تشکیل شده‌است .قسمت‌هایی از DNA که دارای کدهایی برای عملکرد مولکول‌ها می‌باشد ژن نامیده می‌شود و قسمت‌هایی از ژن که درگیر فرآیند پروتئین‌سازی می‌شود، نواحی کدکننده پروتئین( اگزون ) نامیده می‌شود .تشخیص دقیق نواحی کدکننده از نواحی غیرکدکننده( اینترون) به چالشی در تحقیقات بیوانفورماتیک تبدیل شده‌است .در این تحقیق، ابتدا الگوریتمی برمبنای ترکیب روش تبدیل توالی DNA به سیگنال با متد EIIP و روش‌های فیلترکردن چندفازه به‌منظور شناسایی نواحی کدکننده پروتئین در توالی DNA ارائه شده‌است .لازم به ذکر است به‌کارگیری فیلتر چندفازه موجب کاهش حجم محاسبات شده‌است .سپس با توجه به این‌که یادگیری ژرف، عرصه جدیدی از پژوهش‌ها در زمینه یادگیری ماشین است و مدل‌های ژرف( شبکه‌های عصبی‌ژرف) در بعضی از مسائل مانند پردازش تصویر و بینایی ماشین نسبت به روش‌های سنتی عملکرد بسیار چشم‌گیری داشته‌اند، از یادگیری ژرف در کاربردهای مختلف پردازش زبان طبیعی نیز استفاده شده‌است .بنابراین به‌عنوان الگوریتم پیشنهادی دوم در این تحقیق یک معماری ژرف برای تشخیص اگزون‌ها ارائه شده‌است .این معماری مبتنی بر شبکه‌های عصبی کانولوشنال و بازگشتی بوده که در آن لایه‌ای برای یادگیری بردارهای نوکلئوتیدها وجود دارد .الگوریتم‌های پیشنهادی با الگوریتم‌هایی که پیش‌تر ارائه شده‌اند، همچون گورتزل،تجزیه به نقاط تکین(SVD) ، تجزیه به نقاط تکین پایدار(RSVD) ، تبدیل ویولت گابور اصلاح شده(MGWT) و پنجره ویولت عریض (WRWW) مورد مقایسه و ارزیابی قرار گرفتند .نتیجه به‌دست‌آمده از روش پیشنهادی اول دارای نویز بسیار کم بوده که منجر به صحت ۹۴/۱ شده‌است .هم‌چنین روش دوم دارای قله‌های بزرگ بوده و به صحتی برابر با ۹۶/۴۷ بر روی داده تست رسیده است که نشان‌دهنده برتری روش‌های پیشنهادی در مقایسه با دیگر روش‌های مقایسه‌ای است
متن يادداشت
DNA is the main source of inheritance that consists of two strands. Each strand that has code for molecule function is called a Gen, and segments within the Gen sequence thatinvolvedinproteinsynthesisiscalledcodingregion(exon). Accurateidentifyingof coding regions from the non-coding (intron) regions is one of the main challenge in the Bioinformatics researches. In this thesis, At the first, An algorithm was proposed based oncombinationoftheEIIPmethodthatschemingtheDNAsequenceandPolyphasefilter inordertoidentifytheproteincodingregionintheDNAsequence. Thenwithconsidering thatDeepLearningisanewfieldinmachinelearningresearchesandDeepmodels(deep neural networks) had a very tremendous results in some tasks like image processing and machinevision. ThesemodelsalsohavebeenusedindifferentNaturalLanguageProcessingtasks. Therefore,thisthesispresentsadeeparchitectureforexondetectionasthesecondalgorithm. Thisarchitectureisbasedonconvolutionalandrecurrentneuralnetworks in which there is a layer for learning nucleotide vectors. Proposed algorithms with previouslypresentedalgorithmssuchasGortzel,SingularValueDecomposition(SVD),Robust Singular Value Decomposition (SVD), Modified Gabor (MGWT), and Wide Range Wavelet Window (WRWW) were compared and evaluated. The result of the first proposed method has very low noise, resulting in an accuracy of 94.1. Also, the second methodhaslargepeaksandhasreached 96.47accuracyontestdata,whichindicatesthe superiorityofproposedmethodscomparedwithothercomparativemethods
خط فهرستنویسی و خط اصلی شناسه
ba
عنوان اصلی به زبان دیگر
عنوان اصلي به زبان ديگر
Identification of Protein Coding regions in DNA Sequence Using Machine Learning approach
موضوع (اسم عام یاعبارت اسمی عام)
موضوع مستند نشده
DNA
موضوع مستند نشده
اگزون
موضوع مستند نشده
شبکه‌عصبی ژرف
موضوع مستند نشده
بیوانفورماتیک
موضوع مستند نشده
فیلتر چندفازه
اصطلاحهای موضوعی کنترل نشده
اصطلاح موضوعی
Exon, DeepNeuralNetwork, Bioinformatics, DNA,PloyphaseFilter, VariationalBayes
اصطلاح موضوعی
اگزون، شبکه‌عصبی ژرف، بیوانفورماتیک،DNA ، فیلتر چندفازه
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )
مستند نام اشخاص تاييد نشده
درویش فشتمی، عباس
نام شخص - ( مسئولیت معنوی درجه دوم )
مستند نام اشخاص تاييد نشده
شامخی، سینا، استاد راهنما
مبدا اصلی
کشور
ایران
تاريخ عمليات
20230617
شماره دستیابی
شماره بازیابی
پزشکی.م ،۱۰۰۲۱ ،۱۳۹۷
دسترسی و محل الکترونیکی
نام ميزبان
ی‌اهه‌لابند رد ی‌نیئتورپ ه‌دننکدک ی‌حاون ی‌یاسانش DNA ن‌یشام ی‌ریگدای ی‌اهش‌ور زا ه‌دافتسا اب.pdf
شماره دسترسي
عادی
اطلاعات مختصر
عادی
تاريخ و ساعت مذاکره و دسترسي
3678.pdf
تاريخ و ساعت مذاکره و دسترسي
pm10021.pdf
بيت در ثانيه
0
ارتباط براي تسهيلات دسترسي
ایمانی
نوع فرمت الکترونيکي
متن
اندازه فايل
0
شماره کنترل رکورد
پ۳۶۷۸
يادداشت عمومي
فارسی
وضعیت فهرست نویسی
وضعیت فهرست نویسی
نمایه‌سازی قبلی
وضعیت انتشار
فرمت انتشار
pe
اطلاعات رکورد کتابشناسی
نوع ماده
TF
کد کاربرگه
92029
پیشوند ISBD اعمال شده است
1
اطلاعات دسترسی رکورد
سطح دسترسي
a
تكميل شده
Y
