CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

طبقه بندی گیرنده های جفت شونده باپروتئین جی با استفاده از شبکه عصبی CLSTM

عنوان مقاله: طبقه بندی گیرنده های جفت شونده باپروتئین جی با استفاده از شبکه عصبی CLSTM
شناسه ملی مقاله: SMARTCITYC01_101
منتشر شده در نخستین کنفرانس بین المللی شهر هوشمند چالش ها و راهبردها در سال 1398
مشخصات نویسندگان مقاله:

شهاب شاکراردکانی - کارشناسی ارشد هوش مصنوعی، دانشگاه شیراز
ستار هاشمی - دانشیار بخش کامپیوتر دانشگاه شیراز
سیدمهدی حضرتی فرد - دکترای هوش مصنوعی دانشگاه شیراز

خلاصه مقاله:
پروتئین ها ماکروملکول هایی هستند، که از پیوند پپتیدی بین آمینو اسیدها تشکیل شده اند اکثر اعمال حیاتی ارگان های زنده توسط پروتئین ها انجام می شود، از جمله این اعمال می توان کاتالیزور اعمال حیاتی، انتقال مواد بین سلول ها و غیره را نام برد. در سال های اخیر با پیشرفت روش های توالی یابی پروتئین ها، توالی بسیاریاز پروتئین های جدید که عملکرد آن ها مشخص نیست، کشف شده اند، گرچه ساختار سوم پروتئین ها جهت کشف عملکرد و خانواده ی هر پروتئین کافی است، اما همیشه اطلاعات ساختاری برای پروتئین ها در دسترس نیست. روش های آزمایشگاهی جهت به دست آوردن اطلاعات ساختاری پروتئین ها برای تعداد بسیار زیاد پروتئین های موجود بسیار هزینه و زمان بر است، از این رو روش های مبتنی بر توالی از جمله روش های یادگیری ماشین و یادگیری عمیق موردتوجه محققان قرار گرفته است. در این مقاله، با استفاده از شبکه های عصبی عمیق یک روش جدید برای طبقه بندی خانواده های پروتئینی ارایه شده است. در ابتدا داده های پروتئین ها پیش پرداز شده اند تا برای ورودی شبکه آماده شوند. سپس وابستگی های محلی داده ها با استفاده از دو لایه از شبکه کانولوشن استخراج شده اند، بردار ویژگی به دست آمده در هر لایه از کانولوشن با استفاده از یک لایه پولینگ مختصرسازی شده است و در نهایت برای یاگیری عمیق تر داده ها از یک شبکه عصبی ریکارنت بهره گرفته شده است. نتایج نهایی بیانگر بهبود این روش نسبت به روش های رقیب در این حیطه می باشند.

کلمات کلیدی:
پروتئین، شبکه های عصبی، طبقه بندی توالی، یادگیری عمیق

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/998603/