0% Complete
صفحه اصلی
/
ورود به سیستم
/
سوالات متداول
/
تماس با ما
صفحه اصلی
/
هفتمین کنفرانس ملی و اولین کنفرانس بین المللی محاسبات توزیعی و پردازش داده های بزرگ
رویکردی جهت افزایش دقت پیش‌بینی و تخمین ساختار RNAها با استفاده از شبکه عصبی عمیق
An approach to increase the accuracy of prediction and estimation of RNA structure using deep neural network
نویسندگان :
سمیه اسکندری ( دانشگاه آزاد واحد نجف آباد ) , فرامرز صافی اصفهانی ( دانشگاه آزاد واحد نجف آباد )
کلید واژه ها :
پیش بینی ساختار RNA،الگوریتم بهینه سازی ADAM،یادگیری عمیق ترکیبی
چکیده مقاله :
پیش‌بینی ساختار RNA از نظر زیست‌شناسی مولکولی، مبحثی پرکاربرد است. اطلاعات موجود در DNA، توسط RNA، به پروتئین تبدیل می‌شود و پروتئین‌ها نیز در بدن انسان‌ها مسئول اجرای بسیاری از توابع سلولی هستند. به دلیل عدم استفاده از شبکه‌های عصبی کارا، پژوهش‌هایی که تا به امروز در زمینه پیش‌بینی ساختار RNA انجام شده است، از نظر دقت پیش بینی، میزان خطا و همچنین سرعت اجرا نتوانسته انتظارات را برآورده کند. با توجه به تأثیر افزایش دقت پیش‌بینی RNA و ارتباط آن با سلامت انسان، لازم است تا با بهبود دقت و درستی تشخیص دنباله‌های RNA به تشخیص، پیشگیری و درمان بیماری‌هایی نظیر سرطان کمک نمود. از این رو در این مقاله، روشی بر پایه شبکه‌ی عصبی عمیق ارائه شده که بتوانیم به نتایج بهتر و با دقت بالاتری برسیم. در این تحقیق با ارائه یک روش یادگیری عمیق ترکیبی (CNN+BiLSTM+CRF)، بر روی دنباله‌های RNA و با استفاده از الگوریتم بهینه‌سازی ADAM، توانستیم دقت پیش‌بینی دنباله‌های RNA را نسبت به کارهای مشابه گذشته بهبود دهیم. نتایج حاکی از آن است که میزان دقت پیش‌بینی توالی RNA روش پیشنهادی، با تعداد لایه بیشتر بر روی مجموعه داده‌های chip seq, ELK1 به 99.7% رسیده که با کمترین میزان خطا 0.0025 همراه است.
لیست مقالات این رویداد
Samin Hamayesh
