پیش بینی تغییرات بد منجر به سرطان با یادگیری ماشین + ترجمه مقاله isi
پروژه ۱۱۰۴: ترجمه مقاله انگلیسی به فارسی ژورنال isi
راهکار جدید در مورد یادگیری ماشینی بیماری- خاص برای پیش بینی تغییرات بد منجر به ایجاد سرطان
خلاصه ترجمه : (ترجمه به زبان سلیس و ساده انجام شده و جمعا ۲۵ صفحه word می باشد.)
راهکارهای مرتب کردن و قرار دادن ژنوتیپ با حاصل کار بالا به سرعت و بدون قیمت بالایی، میزان زیادی از اطلاعات مربوط به تغییرات ژنتیکی در انسان را ایجاد می نماید.پلی مورفیسم های تک نوکلئوتید (SNPS) منبع مهمی برای تغییر ژنوم انسان هستند و در بیماری های متعدد انسانی پیچیده شده اند که این بیماری ها شامل سرطان، جهش آمینواسیدها از SNPهای غیرمترادف در نواحی کدگذاری شده حاصل شده اند، ممکن است تغییرات عملکردی پروتئین از آنها مشتق شوند که تکثیر سلولی را تحت تاثیر قرار می دهند. در این تحقیق ، یک روش یادگیری ماشینی را برای پیش بینی تغییرات بدی که منجر به سرطان می شوند، تهیه کرده ایم. ما یک ماشین بردار پشتیبان و طبقه بندی کننده ارائه کرده ایم که روی دسته ای از متغیرهایی که باعث ایجاد سرطان می شوند. ما از کلاس بندی بردار پشتیبان svm روی ۳۱۶۳ تغییر موجب سرطان و تعداد برابری از پلی مرفیسم های خنثی آموزش انجام گرفته است. این روش به ۹۳% قسمت کلی ، ضریب هماهنگی ۸۶/۰ و منطقۀ زیر منحنی ROC از ۹۸/۰ رسیده است.
شما می توانید از لینک زیر دانلود فایل اصلی مقاله را به رایگان دانلود نمایید.
دانلود : رایگان اصل مقاله انگلیسی
دیگر توضیحات آمده در متن وورد:
- مقدمه:
۲- مواد و روش ها
۱-۲ ترمینولوژی
۲-۲ Data set ها
۳-۲ پیش بینی کنندگان SRM محورِ به کار گرفته شده
۴-۲ اطلاعات مربوط به رمز گذاری توالی:
۵-۲ رمز گذاری اطلاعات پروفایل
۶-۲ ویژگی های PANTHER
۷-۲ محاسبۀ امتیاز LGO
۸-۲ نرم افزار بردار پشتیبان
۹-۲ امتیاز دهی به اجرا
۳) نتایج
۱-۳ درستی روش
۲-۳ استفاده از فیلترها برای پیشرفت عملکرد:
۳-۳ مقایسه با سایر روش های پیش بینی
۴ -۳ آنالیز امتیاز GO
۴- بحث
در صورت سوال در مورد محصول می توانید از بخش تماس با ما (منوی بالا)، با شماره تلفن مورد نظر مکاتبه نمایید.
مجموعه: مقالات ترجمه شده, مهندسی کامپیوتر