بررسی اثر پرسپترون چند لایه در صحت انتخاب ژن های ریز RNA کرم ابریشم (Bombyx mori)

سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 216

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JASR-13-4_011

تاریخ نمایه سازی: 17 اسفند 1400

چکیده مقاله:

ریز RNA ها خانواده ای گسترده از مولکول هایRNA  کوتاه غیر کد کننده پروتئینی (ncRNA) و دارای وظایفی مهم در تنظیم فرآیندهای رشد در گیاهان و حیوانات هستند. مطالعات اندکی در ارتباط با ریز RNA های کرم ابریشم که از نظر اقتصادی بسیار مهم نیز هستند، با تمرکز بر شناسایی، آنالیز بیان و پیش بینی عملکرد انجام شده است. به طور کلی توالی ریز RNA ها در سرتاسر گونه ها بسیار محافظت شده هستند و از ساختار ساقه-حلقه اولیه در هسته که از ویژگی های بسیار مهم ریز RNA ها است، تولید می شوند. ریز RNA ها از مهمترین عوامل تنظیمی دخیل در سطوح پس از رونویسی پس از بیان ژن هستند که در تنظیم تعداد زیادی از فرآیندهای فیزیولوژیکی مانند رشد و نمو، متابولیسم و وقوع بیماری ها مشارکت می کنند. با اینکه هزاران ریز RNA در گونه های مختلف شناسایی شده اند، تعداد خیلی زیادی هنوز هم ناشناخته باقی مانده است. بنابراین کشف ژن های جدید ریز RNA یک گام مهم برای درک ریز RNA هایی است که مکانیسم های تنظیم پس از رونویسی را واسطه گری می کنند. روش های بیولوژیکی برای شناسایی ژن های ریز RNA ممکن است در شناسایی تشخیص ریز RNA های نادر محدودیت داشته باشند و بیشتر محدود به بافت های خاص و مراحل رشد و نموی ارگانیسم تحت آزمایش می شوند. این محدودیت ها منجر به پیشرفت روش های محاسباتی پیشرفته برای شناسایی ریز RNA های احتمالی جدید شده است. استفاده از روش های محاسباتی باعث افزایش دقت در شناسایی ریز RNA های کرم ابریشم خواهد شد. در این پژوهش، انواع مدل های محاسباتی برای شناسایی توالی های ریز RNA استفاده شد. با استفاده از داده های مناسب و استخراج ویژگی های بیولوژیکی موثر، عملکرد این روش ها ارزیابی شد. در مقایسه با سایر مدل های استفاده شده در این تحقیق، مدل پرسپترون چند لایه با بیشترین مقادیر دقت، معیار F و ضریب همبستگی متیو به عنوان روشی مناسب جهت پیش بینی توالی های ریز RNA در کرم ابریشم معرفی شد.

نویسندگان

عاطفه سیددخت

بخش تحقیقات علوم دامی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان خراسان رضوی، سازمان تحقیقات، آموزش و ترویج کشاورزی، مشهد، ایران.

جواد رحمانی نیا

موسسه تحقیقات علوم دامی کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Abbasi, V., M. R. Nasiri, and A. Javadmanesh. ۲۰۱۸. Prediction ...
  • Agarwal, S., C. Vaz, A. Bhattacharya, and A. Srinivasan. ۲۰۱۰. ...
  • Arowolo, M. O., M. Adebiyi, A. Adebiyi, and O. Okesola. ...
  • Bar, M., S. K. Wyman, B. R. Fritz, J. Qi, ...
  • Ben-Hur, A., and J. Weston. ۲۰۱۰. A user’s guide to ...
  • Bentwich, I., A. Avniel, Y. Karov, R. Aharonov, S. Gilad, ...
  • Bhaskar, H., D. C. Hoyle, and S. Singh. ۲۰۰۶. Machine ...
  • Cao, J., C. Tong, X. Wu, J. Lv, Z. Yang, ...
  • Cordero, J., V. Menkovski, and J. Allmer. ۲۰۱۹. Detection of ...
  • Ding, J., S. Zhou, and J. Guan. ۲۰۱۰. MiRenSVM: towards ...
  • Do, B. T., V. Golkov, G. E. Gürel, and D. ...
  • Fu, X., W. Zhu, L. Cai, B. Liao, L. Peng, ...
  • He, P., Z. Nie, J. Chen, Z. Lv, Q. Sheng, ...
  • Huang, Y., Q. Zou, S. Tang, L. Wang, and X. ...
  • Jabbar, M. A., and S. Samreen. ۲۰۱۶. Heart disease prediction ...
  • Jiang, P., H. Wu, W. Wang, W.Ma, X. Sun, and ...
  • Kadri, S., V. Hinman, and P. V. Benos. ۲۰۰۹. HHMMiR: ...
  • Kozomara, A., M. Birgaoanu, and S. Griffiths-Jones. ۲۰۱۸. miRBase: from ...
  • Lai, E. C., P. Tomancak, R. W. Williams, and G. ...
  • Larranaga, P., B. Calvo, R. Santana, C. Bielza, J. Galdiano, ...
  • Li, L., J. Xu, D. Yang, X. Tan, and H. ...
  • Li, S.C., C.K. Shiau, and W. Lin. ۲۰۰۷. Vir-Mir db: ...
  • Lim Lee, P., C. Lau Nelson, G. Weinstein Earl, Y. ...
  • Lindow, M., and J. Gorodkin. ۲۰۰۷. Principles and limitations of ...
  • Liu, C.G., G. A. Calin, B.Meloon, N. Gamliel, C. Sevignani, ...
  • Lou, S., T. Sun, H. Li, and Z. Hu. ۲۰۱۸. ...
  • Magyar, L. ۲۰۱۸. A Review of the Utility of Bayesian ...
  • Mendes, N. D., A. T. Freitas, and M.F. Sagot. ۲۰۰۹. ...
  • Milagro, F. I., J. Miranda, M. P. Portillo, A. Fernandez-Quintela, ...
  • Nam, J. W., J. Kim, S. K. Kim, and B. ...
  • Nam, J. W., K. R. Shin, J. Han, Y. Lee, ...
  • Nelson, P. T., D. O. N. A. Baldwin, W. P. ...
  • Ng, K. L. S., and S. K. Mishra. ۲۰۰۷. De ...
  • Ntranos, V., L. Yi, Melsted, and L. Pachter. ۲۰۱۹. A ...
  • Oulas, A., A. Boutla, K. Gkirtzou, M. Reczko, K. Kalantidis, ...
  • Paicu, C., I. Mohorianu, M. Stocks, P. Xu, A. Coince, ...
  • Ritchie, W., D. Gao, and J. E. J. Rasko. ۲۰۱۲. ...
  • Saçar, M. D., and J. Allmer. ۲۰۱۴. Machine learning methods ...
  • Sheng, Y., P. G. Engström, and B. Lenhard. ۲۰۰۷. Mammalian ...
  • Singh, S., and R. Singh. ۲۰۱۷. Application of supervised machine ...
  • Siomi, H., and M. C. Siomi. ۲۰۱۰. Posttranscriptional regulation of ...
  • Terai, G., T. Komori, K. Asai, and T. Kin. ۲۰۰۷. ...
  • Tong, C., Y. Jin, and Y. Zhang. ۲۰۰۶. Computational prediction ...
  • Tran, V. D. T., S. Tempel, B. Zerath, F. Zehraoui, ...
  • Várallyay, E., J. Burgyán, a nd Z. Havelda. ۲۰۰۷. Detection ...
  • Wang, X., S. M. Tang, and X. J. Shen. ۲۰۱۴. ...
  • Wu, Y., B. Wei, H. Liu, T. Li, and S. ...
  • Xue, C., F. Li, T. He, G.P. Liu, Y. Li, ...
  • Xue, H., Z. Wei, K. Chen, Y. Tang, X. Wu, ...
  • Yousef, M., S. Jung, V. Kossenkov, L. C. Showe, and ...
  • Yu, X., Q. Zhou, S.C. Li, Q. Luo, Y. Cai, ...
  • Zhang, G., Y. Deng, Q. Liu, B. Ye, Z. Dai, ...
  • Zhang, Y. Q., J. C. Rajapakse, and B. T. Zhang. ...
  • Zheng, K., Z. H. You, L. Wang, Y. Zhou, P. ...
  • Zheng, X., X. Fu, K. Wang, and M. Wang. ۲۰۲۰. ...
  • Zhong, L., and J. T. L. Wang. ۲۰۱۶. Effective Classification ...
  • نمایش کامل مراجع