مقاله ترجمه شده شیوه الگوریتم ژنتیک – ماشین بردار پشتیبان همراه با بهینه سازی پارامتری برای انتخاب برچسبهای SNPs

شیوه الگوریتم ژنتیک – ماشین بردار پشتیبان همراه با بهینه سازی پارامتری برای انتخاب برچسبهای SNPs

چکیده

پلی مورفیسم تک نوکلئوتیدی (SNPs) شامل میلیون ها میلیون تغییر در ژنوم انسان بوده، و از این رو به منزله ابزاری نویدبخش برای مطالعات مربوط به بیماری ژن ها تلقی می شوند. هر چند هزینه های گزاف ژنوتیپ نمودن میلیون ها SNPs موجب محدود شدن چنین مطالعاتی شده است. به همین دلیل گردآوری دسته های مناسب SNPs برای نمایش صحیح باقیمانده آنها مورد نیاز می باشد. به این منظور روشهای متعددی برای انتخاب دسته ای مناسب از SNPs توسعه یافته، ولی تمامی آنها از صحت پائین پیش بینی برخوردار می باشند. در این مطالعه روشی جدید بنام GA-SVM همراه با پارامترهای بهینه سازی ارائه می شود. در این روش می توان از مزایای ماشین بردار پشتیبان (SVM) و الگوریتم ژنتیک (GA) به ترتیب برای پیش بینی SNPs و نیز انتخاب برچسب SNPs بهره مند شد. علاوه بر آن همچنین از الگوریتم بهینه سازی ذرّات معلق (PSO) برای بهینه سازی پارامترهای C و γ ماشین بردار پشتیبان استفاده شده است. این مقوله بصورت آزمایشی در طیف وسیعی از دسته داده ها مورد تست قرار گرفته، و نتایج بدست آمده حاکی از آن است که این روش دارای قابلیت بهتر در پیش بینی صحت تشخیص در SNPs برچسب خورده در مقایسه با سایر روش های موجود می باشد

تعداد صفحات ترجمه شده :16

تعداد صفحات انگلیسی:13

• مشخصات محصول
• دسته‌بندی محصول
• برچسب‌ها
• دیدگاه‌ها