هاله همایونی - استاد-موسسه غیرانتفاعی آپادانا-شیراز-ایران
بهتاش کشاورز - دانشجوی ارشد کامپیوتر-موسسه غیرانتفاعی آپادانا- شیراز- ایران
عارف پناهی - دانشجوی ارشد کامپیوتر-موسسه غیرانتفاعی آپادانا- شیراز- ایران
حمید غلامی - دانشجوی ارشد کامپیوتر-موسسه غیرانتفاعی آپادانا- شیراز- ایران

شبکه های زیست شناسی، عموما شبکه های پیچیده و وسیعی هستند که حاوی اطلاعات مهمی میباشند. تاکنون تلاشهای بسیاری به منظور درک ساختار و عملکرد این شبکه ها انجام شده است. دانشمندان بر این باورند که شباهتهای ساختاری در این شبکه ها منجر به بروز رفتارهای مشابه سلولی میشود. به همین منظور یکی از ویژگیهای ساختاری هر شبکه، موتیفهای آن شبکه است که دارای عملکرد خاصی در شبکه میباشد. موتیفها زیرشبکهای کوچک همبندی هستند که در شبکه مورد بررسی با فراوانی بالاتری نسبت به شبکه های تصادفی مشاهده میشوند، همچنین از موتیفها، با عنوان اجزای ساده و بنیادی شبکه تعبیر میشود. تا کنون الگوریتمهای مختلفیبه منظور5 حل مسئلهی پیدا کردن موتیفها ارائه شده است که دارای پیچیدگی محاسباتی زیادی هستند و زمان اجرا و حافظه مصرفی بالایی نیاز دارد به همین خاطر در اندازه ی موتیف مورد جستجو در شبکه محدودیت خواهیم داشت. در این مقاله، روشهای موجود برای حل مسئله کشف موتیف بررسی شده، سپس رویکرد جدیدی با استفاده از الگورتیمهای تکاملی به منظور یافتن موتیفهایی با هر اندازه در شبکه، ارائه شده است. این امر منجر به تشخیص موتیفهایی با تعداد رئوس بیشتر و در شبکه های بزرگتر میشود که پیشرفت قابل توجهی در این زمینه است. الگوریتم پیشنهادی مبتنی بر روش شناخته شده الگوریتم مدا بوده که از جمله روش های موتیف محور میباشد. الگوریتم پیشنهادی را بر روی شبکه های بروزشده ی زیستی و غیر زیستی مورد ارزیابی قرارد داده و با مقایسه نتایج بدست آمده با دیگر الگوریتم های موجود بهینگی آن نشان داده شده است.

شبکه های پیچیده، موتیفهای شبکه، فراوانی زیرشبکه، الگوریتم تکاملی