|
Title
|
پیش بینی بیان ژن بر اساس تغییرات هیستونی با استفاده از شبکه های عصبی عمیق و یادگیری انتقالی
|
|
Type of Research
|
Thesis
|
|
Keywords
|
بیان ژن، تغییرات هیستونی، شبکه های عصبی عمیق،یادگیری انتقالی، تغییرات اپی ژنتیک، یادگیری عمیق
|
|
Abstract
|
بیان ژن، به طور گسترده برای توصیف حالات سلولی در پاسخ به بیماری های مختلف، اختلالات ژنتیکی و غیره استفاده می شوند. رشد روزافزون داده های زیستی مانند داده های بیان ژنی و اهمیت تجزیه و تحلیل آن ها، نیاز به طراحی الگوریتم هایی با دقت بالا و کارآیی مناسب را بیش از پیش کرده است که حجم بالای داده ها، عدم قطعیت در مقادیر بیان ژن، وجود ژن های هم بیان، اشتراک دانش در حین یادگیری پارامترها و نیازمندی به اجرای سریع الگوریتم ها از جمله چالش ها و نیازمندی های اساسی در مدل سازی مسئله پیش بینی بیان ژن می باشند. از طرفی تنظیم ژن، به عنوان یکی از مشکلات اساسی در زیست شناسی، توضیح می دهد که چگونه انواع مختلف سلول ها در بدن انسان، از اطلاعات یکسان رمزگذاری شده توسط ژنوم بیرون می آیند. پیش بینی یک ژن، یک فرآیند بسیار پیچیده است که به عملیات پیچیده ای بین پروتئین ها و توالی DNA نیاز دارد. اهمیت تغییرات هیستون در تنظیم ژن با مشاهده شواهدی که این تغییرات بر انواع سرطان ها داشته اند مشخص می شود. برخلاف جهش های DNA ، تغییرات اپی ژنتیکی (مانند تغییرات هیستون)، به طور بالقوه قابل برگشت هستند. این تفاوت اساسی باعث می شود مطالعه تغییرات هیستون در ایجاد "داروهای اپی ژنتیک" برای درمان سرطان تأثیرگذار باشد. از این رو پرداختن به موضوع پیش بینی بیان ژن، به منظور جلوگیری از بروز بیماری هایی همچون سرطان و همچنین کمک به درمان این بیماری از طریق تولید داروهای مفید و موثر، لازم و ضروری می باشد که در این تحقیق سعی در پیش بینی بیان ژن براساس تغییرات هیستونی با استفاده از تکنیک های یادگیری عمیق داریم.
|
|
Researchers
|
(Student)، Esmaeil Nourani (Primary Advisor)، Asgarali Bouyer (Advisor)
|