دسته بندی و پیش بینی کلاله سه شاخه و چندشاخه زعفران با استفاده از ابزارهای آماری یادگیری ماشینی بدون نظارت

زعفران یک گیاه تریپلویید و عقیم است که در همه کشورها به عنوان یک ادویه و گیاه دارویی مورد استفاده قرار میگیرد. کلاله مهمترین قسمت گیاه زعفران میباشد. تاکنون هیچ روش مطمین مولکولی برای شناسایی و پیش بینی گونه های دارای کلاله سه و چندشاخه ارایه نشده است. در این بررسی بر اساس نشانگرهای مولکولی چندشکلی توالی مربوط تکثیر یافته و با استفاده از الگوریتمهای بیوانفورماتیکی مختلف،روشهای جدیدی برای پیشبینی کلاله زعفران ارایه شده است. پنج آلل M131400، M151200، M151100، M10850 و G6500 به عنوان مهمترین دسته بندی کننده با دقت پیشبینی بالا بر اساس مدلهای Attribute Weighting انتخاب شدند که دارای پتانسیل بالایی برای خوشه بندی و تشخیص کلاله سه شاخه ازچند شاخه هستند. دسته بندی بدون یادگیری بر اساس الگوریتم های K-Means و K-Medoids قادر به خوشه بندی صحیح کلاله زعفران هستند. نتایج نشان میدهد که برای اولین بار، روشهای داده کاوی می توانند شیوه ای بسیار موثر، با دقت و صحت بالای 90 درصد برای تمایز ژنتیکی کلاله سه شاخه از چندشاخه مورد استفاده قرار گیرد. این روشها میتوانند در مکانیابی ژنی و انتخاب به کمک بیومارکرها مورد استفاده قرار گیرند.

دسته بندی و پیش بینی کلاله سه شاخه و چندشاخه زعفران با استفاده از ابزارهای آماری یادگیری ماشینی بدون نظارت Keywords:

چندشکلی توالی مربوط تکثیر یافته , مارکر مولکولی , یادگیری ماشینی