طراحی مدل های پیش بینی جهت تعیین ساختارارگانیزمی آنزیم استریول اسیل کریر پروتئین دیسچوراز
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 689
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
AGRIBIOTECH03_047
تاریخ نمایه سازی: 27 تیر 1392
چکیده مقاله:
اسید های چرب به زنجیره ای گفته می شود که در یک انتهای آن کربوکسیل قرار داشته و به دو دسته ی اسید چرب اشباع و غیر اشباع طبقه بندی می شوند. بیشتر اسیدهای چرب غیر اشباع براساس موقعیت اولین پیوند دوگانه شان به امگا - 3 ، 6 و 9 تقسیم بندی می شوند. هدف: پیدا کردن مهمترین مولفه های ژنی اختصاصی ارگانیزمی آنزیم استریول اسیل کریر پروتئین دیسچوراز (S-ACP-DES با استفاده از ابزارهای بیوانفورماتیکی و طراحی مدلهای پیش بینی (برای اولین بار) جهت تعیین ارگانیزمهای این آنزیم ها می باشد. روش: روش کار توسط ابزار های متفاوت بیوانفورماتیکی و نرم افزار هایی مانند CLC Bio software می باشد که تعداد 28 مشخصه ی ژنی را از نظر تعداد، تکرار نوکلئوتیدها و عناصر متفاوت ژن ها مورد محاسبه قرار می دهد. همچنین توسط برنامه Rapidminer با استفاده از مدلهای مختلف وزن دهی، درخت های تصمیم گیری و همچنین دسته بندی متغیرهای ژنی براساس میزان اهمیت، استخراج می کند. برای اولین بار طراحی مدلهای یادگیری برای پیش بینی ارگانیزمهای آنزیمی بر اساس متغیرهای ژنی صورت گرفت. نتیجه: مهمترین متغیر ژنی در تشخیص ساختارهای ارگانیزمی آنزیم (S-ACP-DES فراوانی طول بوده است. همچنین مدل های پیش بینی طراحی شده نشان دادند که مدل Naive Bayse با معیار FCdb با دقت 97.83% می تواند ارگانیزم آنزیم های جدید را بر اساس خصوصیات ژنی پیش بینی نماید. دو یافته فوق برای اولین بار در این مطالعه گزارش می شوند.
کلیدواژه ها:
نویسندگان
علی سالاری
دانشجوی کارشناسی زیست شناسی دانشگاه پیام نور
مرتضی رضوی
دانشجوی کارشناسی زیست شناسی دانشگاه پیام نور قم
منصور ابراهیمی
گروه پژوهشی بیوانفورماتیک، پژوهشکده سبز دانشگاه قم
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :