چکیده

ویروس آنفولانزا سالانه باعث مرگ تعداد زیادی انسان و حیوان در سراسر جهان می‌شود و به خسارات اقتصادی چشمگیری منجر می‌شود. توسعه روش‌های تشخیصی مطمئن، موثر، سریع و با حساسیت بالا، امکان کنترل همه گیری و مواجه با خسارات را فراهم می‌کند. با توجه به پتانسیل بالای کاربرد آپتامرها در تشخیص، کنترل و حتی درمان عفونت آنفولانزا، معرفی روش های مولکولی نوین براساس این الیگونوکلئوتیدهای متصل‌شونده به ذرات ویروسی مورد توجه قرار گرفته است. با توجه به توان بالای محاسبات هوش مصنوعی، طراحی و استخراج ویژگی‌های آپتامرهای اختصاصی ویروس آنفولانزا در مطالعه حاضر به اجرا رسیده است. در این پژوهش با استفاده از شبکه‌های عصبی میزان تمایل اتصال آپتامرها و ویروس آنفولانزا مدل‌سازی شده‌است. مجموعه داده این مقاله شامل ۹ ویژگی‌های ساختار مولکولی 96 آپتامر به عنوان توصیف‌گر و میزان تمایل اتصال آن‌ها به ویروس آنفولانزا به عنوان متغیر مستقل است. در این مقاله از دو نوع شبکه‌ عصبی MLP و GRNN برای پیش‌بینی میل اتصال آپتامرها بهره گرفته شد. برای رسیدن به این هدف ۹ ویژگی بیان شده به عنوان ورودی‌های شبکه و میزان میل اتصال به عنوان خروجی شبکه در نظر گرفته شد. بعد از آموزش شبکه‌های عصبی با استفاده از دادگان آموزش دقت پیش‌بینی میل اتصال در شبکه عصبی GRNN برای دادگان آزمون و براساس معیار r2 مقدار 0.64 بدست آمده است. همین فرآیند برای شبکه عصبی MLP تکرار شد عملکرد این شبکه در پیش بینی میل اتصال در دادگان آزمون r2=0.77 حاصل شد. نتایج حاصل از این روش‌ها در مقایسه با روش رگرسیون چند خطی با مقدار r2=0.66 نشان از برتری مدل MLP‌ در پیش‌بینی میل اتصال آپتامر‌ها به ویروس آنفولانزاست.

کليدواژه ها

آپتامر، ویروس آنفولانزا، میل اتصال، پیش‌بینی، هوش مصنوعی شبکه‌های عصبی، زیست‌محاسباتی

کد مقاله / لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است :

نحوه استناد به مقاله

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
امین جانقربانی , 1400 , پیش‌بینی میل اتصال آپتامر به ویروس آنفولانزا با استفاده از شبکه عصبی , نخستین همایش بین المللی و سومین همایش ملی ریاضیات زیستی