دسته بندی و پیش بینی کلاله سه شاخه و چندشاخه زعفران با استفاده از ابزارهای آماری یادگیری ماشینی بدون نظارت
عنوان مقاله: دسته بندی و پیش بینی کلاله سه شاخه و چندشاخه زعفران با استفاده از ابزارهای آماری یادگیری ماشینی بدون نظارت
شناسه ملی مقاله: JR_SAFRON-2-3_003
منتشر شده در شماره 3 دوره 2 فصل پاییز در سال 1393
شناسه ملی مقاله: JR_SAFRON-2-3_003
منتشر شده در شماره 3 دوره 2 فصل پاییز در سال 1393
مشخصات نویسندگان مقاله:
امیرحسین بیکی - استادیارگروه زیست شناسی، دانشکده علوم پایه، دانشگاه قم.
خلاصه مقاله:
امیرحسین بیکی - استادیارگروه زیست شناسی، دانشکده علوم پایه، دانشگاه قم.
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.
کلمات کلیدی: چندشکلی توالی مربوط تکثیر یافته، مارکر مولکولی، یادگیری ماشینی
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/722396/