پیش بینی وضعیت متیلاسیون آرژنین با استفاده از روش های یادگیری عمیق
Publish place: The 13th National Conference on Applied Research in Electrical and Computer Science and Medical Engineering
Publish Year: 1401
Type: Conference paper
Language: Persian
View: 387
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
ECMECONF13_014
Index date: 1 November 2022
پیش بینی وضعیت متیلاسیون آرژنین با استفاده از روش های یادگیری عمیق abstract
متیلاسیون آرژنین یکی از تغییرات پساترجمه ای داخل سلول است. با توجه به اهمیت نقش متیلاسیون آرژنین در بیان ژن، اینواکنش و آنزیم های تنظیم کننده آن در بسیاری از بیماری های انسانی همچون سرطان، نارسایی های قلبی و عروقی و اختلالاتتحلیلبرنده عصبی دخیل هستند. بدین سبب، شناسایی محل های متیلاسیون برای طراحی داروهای موثر در درمان این قبیلبیماری ها، از اهمیت به سزایی برخوردار است. یک مطالعه بر روی متیلاسیون پروتئین نشان داده است که آرژنین هایی کهحاوی چندین آمینواسید گلیسین در همسایگی خود هستند، احتمال بیشتری برای متیل شدن دارند. هدف اصلی این پژوهش ارائه مدلی مبتنی بر یادگیری عمیق و استفاده از این اصل بیولوژیکی برای بهبود عملکرد مدل پایه DeepRMethylSite است. برای این منظور در مدل پیشنهادی، با بهبود زیر مدلهای ارائه شده در مدل پایه، انجام برخی پیش پردازش ها و نیزیادگیری گروهی، محل های متیلاسیون آرژنین پیش بینی می شود. نتایج حاصل، بهبود معیارهای ارزیابی مانند حساسیت اختصاصی بودن، دقت و مساحت زیر نمودار را به ترتیب به میزان ۱۴%،۵%،۷%،۹% نسبت به مدل پایه نشان می دهد.
پیش بینی وضعیت متیلاسیون آرژنین با استفاده از روش های یادگیری عمیق Keywords:
پیش بینی وضعیت متیلاسیون آرژنین با استفاده از روش های یادگیری عمیق authors
هدیه گرانمایه
کارشناسی ارشد دانشگاه زنجان
لیلا صفری
عضو هیئت علمی دانشگاه زنجان
محمد خلیل زاده
دانشجوی کارشناسی دانشگاه زنجان
