استنتاج شبکه های تنظیمات ژنی از روی داده های سری زمانی Microarray به وسیله شبکه های بیزین دینامیک
عنوان : استنتاج شبکه های تنظیمات ژنی از روی داده های سری زمانی Microarray به وسیله شبکه های بیزین دینامیک تعداد صفحات : 92 چکیده شبکههای تنظیم کننده ژنتیکی مجموعه ای از ارتباطات ژن-ژن هستند که رابطه علت ومعلولی را در فعالیت های ژنی ایجاد می کنند. دانش ما در مورد این شبکه هانقش بسیار موثری در شناخت فرآیندهای زیستی ایفا می کند و می تواند باعث کشفروش های جدید برای درمان بیماری های پیچیده و تولید داروهای اثر گذارگردد. روشهای زیادی برای تشخیص شبکه های تنظیم کننده ژنتیکی پیشنهاد شده است. دراین میان، شبکه های بیزین دینامیک مزایای ویژه ای دارا می باشند که باعثشده تا توجه زیادی را به خود جلب کنند. باوجود تحقیقات انجام شده در این زمینه، مهندسی معکوس شبکه های تنظیم کنندهژن به وسیله شبکه های بیزین دینامیک به هیچ عنوان امری بدیهی نیست. غالباًتعداد نمونه های موجود برای آموزش مدل از تعداد مجهولات مسئله بسیار کمتراست. همچنین میزان پیچیدگی زیاد این مدل ها و دقت آنها از مهم ترین نواقصآن ها می باشند. یکیاز عمده ترین روش هایی که برای بالا بردن دقت شبکه های استنتاج شده به کارگرفته می شود استفاده از دانش اولیه در مورد شبکه های تنظیم کننده ژنیاست. یکی از منابع عمده این دانش اولیه اطلاعات ما در مورد ساختار کلی شبکههای تنظیم کننده ژنی است. تحقیقات انجام شده نشان می دهند که تعداد یالهای موجود در این شبکه ها کم است. همچنین شواهد بسیاری بدست آمده اند کهنشان می دهند توزیع درجه خروجی در شبکه های تنظیم ژنی از قانون توانی پیرویمی کنند. در واقع این شبکه ها در درجه خروجی scale-free هستند. علیرغماین شواهد، روش های یادگیری شبکه های بیزین دینامیک این گونه شبکه ها راشبکه هایی با ساختار تصادفی در نظر می گیرند و یا تنها پیچیدگی شبکه راکنترل می کنند. دراین تحقیق روشی برای یاد گیری شبکه های بیزین دینامیک ارائه می شود که بهطور مشخص بر این فرض شکل گرفته که شبکه واقعی ساختاری scale-free در توزیعدرجه خروجی دارد. روش ارائه شده پیچیدگی زمانی چند جمله ای دارد و می تواندبرای استنتاج شبکه هایی با تعداد گره های زیاد مورد استفاده قرار گیرد. آزمایشهایی که برای مقایسه توانایی الگوریتم ارائه شده با متدهای قبلی یادگیریشبکه انجام شده اند نشان می دهند که الگوریتم ارائه شده، زمانی که برایاستنتاج شبکه هایی استفاده می شود که scale-free هستند، قادر است کیفیتشبکه استنتاج شده را به خصوص زمانی که داده های آموزشی ناکافی هستند بهصورت قابل توجهی افزایش دهد. فهرست مطالب: فصل اول: مقدمهضرورت انجام کار نگاه کلی به فصول رساله فصل دوم: پیشینه تحقیق2-1- مقدمه2-2- مقدمات زیستی2-2-1- ژن2-2-2- بیان ژن2-2-3- شبکه های تنظیم کننده ژنی2-3- روش های یاد گیری شبکه های تنظیم کننده ژنی2-3-1- روش های مبتنی بر خوشه بندی2-3-2- روش های مبتنی بر رگرسیون2-3-3- روش های مبتنی بر اطلاعات متقابل2-3-4- روش های تابعی2-3-5- روش های مبتنی بر تئوری سیستم2-3-6- روش های بیزینفصل سوم: روش پیشنهادی3-1- مقدمه3-2- شبکه های بیزین دینامیک 3-3- یادگیری شبکه های بیزین دینامیک 3-3-1- روش های امتیازدهی بیزین 3-3-1-1- امتیازدهی به روش K2 3-3-1-2- امتیازدهی به روش BDe3-3-2- روش های امتیازدهی بر اساس تئوری اطلاعات3-3-2-1- امتیازدهی به روش log-likelihood (LL) 3-3-2-2- امتیازدهی به روش BIC3-3-2-3- امتیازدهی به روش AIC 3-3-2-4- امتیازدهی به روش MIT 3-3-3– پیچیدگی زمانی یادگیری شبکه های بیزین دینامیک3-4- شبکه های تصادفی و شبکه های Scale-free3-5- روش پیشنهادی فصل چهارم: نتایج تجربی4-1- مقدمه4-2- روش های تولید شبکه های Scale-free 4-3- روش های سنجش دقت برای شبکه های استنتاج شده4-4- آزمایش اول: استفاده از روش جستجوی کامل4-5- آزمایش دوم: نگاهی دقیق تر به عملکرد روش ارائه شده4-6- آزمایش سوم: استفاده از جستجوی حریصانه4-7- آزمایش چهارم: بازیابی قسمتی از شبکه تنظیمات ژنی در Yeast4-8- آزمایش پنجم: : عملکرد روش ارائه شده در بازیابی شبکه های تصادفی فصل پنجم: جمع بندی5-1- نتیجه گیری5-2- پیشنهاد برای کارهای آتی منابع تحقیقچکیده به زبان انگلیسی دارای فهرست جداول و اشکال می باشد
استنتاج شبکه های تنظیمات ژنی از روی داده های سری زمانی Microarray به وسیله شبکه های بیزین دینامیک