جلسه دفاع از رساله: آقای وسام ابراهیم، گروه مهندسی کامپیوتر

خلاصه خبر: تشخیص تاخوردگی پروتئین مبتنی بر یادگیری عمیق

  • عنوان: تشخیص تاخوردگی پروتئین مبتنی بر یادگیری عمیق
  • ارائه‌کننده: وسام ابراهیم
  • استاد راهنما: دکتر محمد صنیعی آباده
  • استاد ناظر داخلی اول: دکتر سعید جلیلی
  • استاد ناظر داخلی دوم: دکتر فؤاد قادری
  • استاد ناظر خارجی اول: عباس نوذری دالینی(دانشگاه: تهران )
  • استاد ناظر خارجی دوم: چنکیز اصلاحچی (دانشگاه: شهید بهشتی )
  • استاد مشاور اول: دکتر نصر الله مقدم چرکری
  • استاد مشاور دوم: دکتر سید شهریار عرب
  • مکان: اتاق 710
  • تاریخ: 1396/09/27
  • ساعت: 18:00

چکیده: مولکول پروتئین زنجیره خطی از اسید های آمینه است. پیش بینی ساختارهای پروتئین از جمله مسائل پرچالش است که محققان بسیاری در سراسر دنیا در این زمینه تحقیق کرده اند. اکثر ساختار وعملکرد سلول ها توسط پروتئین ها تعیین می شوند. عملکرد یک پروتئین توسط ساختار آن تعیین می شود. پروتئین ها ساختاری سلسله مراتبی دارند که شامل چهار ساختار اول ، دوم ، سوم و چهارم می باشد . اما به دست آوردن وتعیین ساختار پروتئین کاری مشکل است. برای به دست آوردن ساختار پروتئین از روی توالی اسید های آمینه آن به روش های محاسباتی سنگینی نیاز می باشد. امروزه به کار گیری علوم مهندسی برای حل مسائل حوزه علوم زیستی وپزشکی به سرعت وبا موفقیت رو به افزایش است، بنابراین بسیاری از دانشمندان علوم کامپیوتر به این سمت گرایش پیدا کرده اند تا بتوانند از روش های مختلف یادگیری ماشین در پیاده سازی سیستم های خودکار هوشمند به منظور دسته بندی پروتئین ها کمک بگیرند. هدف نهایی در ساخت این سیستم ها، نزدیک بودن هر چه بیشتر تصمیم اتخاذ شده توسط ماشین به تصمیم فرد خبره زیست شناس می باشد. دقت روشهای یادگیری ماشین برای پیش بینی ساختار سوم پروتئین تا حالا پایین می باشد، ومحققان در تلاش هستند که بتوانند با استفاده از روش های یادگیری ماشین این دقت را افزایش دهند. در این تحقیق برای تشخیص تاخوردگی پروتئین دو چارچوپ را مدلسازی کرده ایم. چارچوپ اول از سه مرحله تشکیل می شوند. در مرحله اول شش توصیفگر روی توالی های اسید های امینه اعمال می شوند، تا بردار های ویژگی جدید به دست آیند. ودر مرحله دوم، از این بردارهای ویژگی جدید در ماشین یادگیری افراطی عمیقDELM برای استخراج چهار ویژگی ساختاری جدید استفاده می شوند . این ویژگی های جدید به داده های اصلی در مرحله سوم اضافه می شوند. مرحله سوم تاخوردگی های پروتئین با استفاده از LDA تشخیص داده می شوند. چارچوپ دوم از سه مرحله تشکیل می شود. مرحله اول مجموعه داده برای روش های OVA-OVO تهیه می گردد. در مرحله دوم ویژگی های جدید از روش های OVADELM, OVODELM تولید می گردد. سپس در مرحله سوم از دسته بندهای DELM برای تشخیص تاخوردگی پروتئین استفاده می شوند. روش های پیشنهادی روی دو مجموعه داده DD,TG اعمال شده اند. نتایج تجربی نشان می دهند که روش چارچوپ اول PCA-DELM-LDA و چارچوپ دوم OVAOVO-DELM می توانند دقت پیش بینی را مقایسه با کارهای قبلی برای مجموعه داده های استفاده شده بهبود بدهند. میزان این بهبود از 1.3 تا 8.7 می باشد.
کلمات کلیدی: پروتئین ، تشخیص تاخوردگی پروتئین ، ماشین یادگیری افراطی ، یادگیری عمیق


21 آذر 1396 / تعداد نمایش : 2167