این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
محاسبات نرم، جلد ۳، شماره ۲، صفحات ۴۲-۵۳
عنوان فارسی روشی جدید برای تفکیک و طبقه‌بندی توالی‌های سرطانی و غیرسرطانی DNA با استفاده از الگوریتم‌های مبتنی بر LPC و SVD
چکیده فارسی مقاله سرطان یکی از بیماری‌هایی است که روند رو به افزایش ابتلا به آن، محققان را به مطالعه ابعاد مختلف آن ترغیب می‌کند. منشا ژنتیکی سرطان، لزوم بررسی اجزای ژنی درونی سلول را نشان می‌دهد. در این مقاله سعی شده است تا با بهره‌گیری از تکنیک‌های تحلیل توالی‌های DNA موجود، برخی مولفه‌ها و ویژگی‌های خاص ژنتیکی منحصر به فرد از توالی‌های بزرگ DNA استخراج و آشکار شوند. شبیه‌سازی الگوریتم پیشنهادی روی توالی‌های عضو خاصی از بدن انسان که از یک بانک اطلاعاتی معتبر تهیه شده است، انجام گرفته است. در الگوریتم ارائه شده از روش نگاشت منحنی Z برای تبدیل رشته‌های DNA به سیگنال بهره گرفته شده است. روش پیشنهادی ارائه شده برای تحلیل سیگنال‌های توالی‌های DNA به منظور استخراج ویژگی، مبتنی بر الگوریتم پیشگوی خطی (LPC) است که از تکنیک‌های محاسباتی ماتریس کواریانس و تجزیه مقدار منفرد (SVD) به منظور انتخاب ویژگی و کاهش ابعاد بهره می‌گیرد. با مقایسه برخی پارامترهای آماری، تفکیک و تمایز خوبی بین نمونه‌های سرطانی و غیرسرطانی مشاهده می‌شود که قابل طبقه‌بندی است. این سطح تمایز بیان‌گر مفهوم جهش بیولوژیکی و تغییرات ژنتیکی بیماری سرطان است.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی An innovative approach in order for discrimination of cancer and non-cancer DNA sequences by LPC and SVD based Algorithms
چکیده انگلیسی مقاله The growing pace of cancer has encouraged researchers to deliberate several aspects of this malignant disease. Genetic-induced nature of cancer, heighten the importance of studying intra-cell components. This paper has been carried out with the aim of making some specific and unique features clear from those long DNA sequences by employing well-established DNA sequence analysis techniques. The identical part of human body DNA sequences have been used to simulate proposing algorithm. Z-Curve mapping method has been utilized in order to conversion of DNA alphabetic strings to digital signals. This method has made use of Linear Predictive Coding (LPC) model to analyze resultant data for feature extraction. In addition, this paper is beneficiary of a certain singular value decomposition (SVD) computational approaches to select significant features for dimension reduction. Finally, statistical parameters discriminate cancerous samples from non-cancerous ones. This discrimination represents the biological mutation concept which expresses the genetic changes of cancer disease.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله امین خدایی | amin khodaei
tabriz nabi akram university
دانشگاه نبی اکرم

بهزاد مظفری تازه کند | behzad mozaffary tazehkand
tabriz university
دانشکده برق و کامپیوتر دانشگاه تبریز
سازمان اصلی تایید شده: دانشگاه تبریز (Tabriz university)

نشانی اینترنتی http://scj.kashanu.ac.ir/browse.php?a_code=A-11-298-1&slc_lang=fa&sid=fa
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1052/article-1052-206322.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده تخصصی
نوع مقاله منتشر شده کاربردی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات