|
Title
|
ارائه راهکاری مبتنی بر یادگیری عمیق برای پیش بینی مکان تغییرات پس از ترجمه در توالی های پروتئین
|
|
Type of Research
|
Thesis
|
|
Keywords
|
تغییرات پس از ترجمه، توالی پروتئین، یادگیری عمیق، یادگیری انتقالی، باقی مانده، بیوانفورماتیک
|
|
Abstract
|
طبق مطالعات اخیر انواع تغییرات پس از ترجمه پروتئین ها، بیش از 600 نوع بیان شده است که همه روزه نیز این آمار درحال تغییر می باشد و به انواع آن افزوده می شود. تغییرات پس از ترجمه در فرایند های بیولوژیکی و اکثر فعالیت های سلولی نقش های مهم و حیاتی دارند و هرگونه اختلال در مسیر انجام این فرایندها منجر به ایجاد بیماری های مختلف می شود پس بررسی این فرایند در مطالعه ی بیماری هایی نظیر سرطان، دیابت، آلزایمر و بیماری های قلبی دارای اهمیت می باشد، بنابراین لازم است نقش این فرایند ها در شروع و پیشرفت بیماری های انسانی مورد مطالعه قرار بگیرد .اگرچه این کار را می توان با استفاده از تکنیک های مختلف تجربی و آزمایشگاهی انجام داد، اما تعیین مکان تغییر پس از ترجمه صرفا بر اساس آزمایشات وقت گیر و پرهزینه است. با فراوانی توالی های بیولوژیکی تولید شده در عصر پس از ژنومیک ، توسعه ی ابزارهای بیوانفورماتیک برای شناسایی سریع و موثر مکان های تغییرات پس از ترجمه بسیار مطلوب است.
|
|
Researchers
|
(Student)، Esmaeil Nourani (Primary Advisor)، Davood Rafiei (Advisor)
|