شناسایی میزان تشابه ژن ناحیه کنترل میتوکندری در گونه گربه شنی به کمک الگوریتم یادگیری ماشین مبتنی بر مدل مارکوف پنهان

شناسایی میزان تشابه ژن ناحیه کنترل میتوکندری در گونه گربه شنی به کمک الگوریتم یادگیری ماشین مبتنی بر مدل مارکوف پنهان

الهام زادنیا1 داوود دانش پژوه2

1) دانشجوی کارشناسی ارشد ریاضی کاربردی با گرایش ریاضیات زیستی
2) کارشناسی ارشد مهندسی کامپیوتر با گرایش هوش مصنوعی و رباتیکز

کد IOI مقاله : XEBK-HFCDA
محل انتشار : ششمین کنگره بین المللی توسعه کشاورزی، منابع طبیعی، محیط زیست و گردشگری ایران(6icsda.ir)
چکیده :
    گربه‌سانان به دلیل ماهیت کاریزماتیک و شکارچیان برتر در زیست بوم‌های مختلف، یکی از گروه‌های اصلی پستانداران را تشکیل می‌دهند. در این میان گربه شنی با نام علمی Felis margarita یکی از طعمه خوارانی است که سازگاری کاملی برای بقاء و ادامه حیات در شرایط سخت و طاقت فرسای بیابانی و شن‌زارها پیدا کرده است. هر چند این گونه در مقیاس بین‌المللی در رده تهدید کمترین نگرانی قرار گرفته است اما در مقیاس و گستره کشور ایران جزو گونه‌های در معرض خطر انقراض است. در این مطالعه به منظور شناسایی گونه‌ نادر گربه شنی در میان سایر گونه‌های متنوع گربه‌سانان با هدف کشف اندازه‌های موثر جمعیت به کمک رویکردهای توالی‌یابی نسل بعدی (NGS) با ترکیب مدل مارکوف پنهان (HMM) که موضوعی آماری و تکرار شونده در زیست‌شناسی محاسباتی است و نیز شبکه‌های عصبی مصنوعی (ANN) که از قابلیت یادگیری زیستی الهام گرفته شده‌‌اند نسبت به شناسایی میزان تشابه ژن ناحیه کنترل میتوکندری این گونه مبادرت گردیده است.

کلمات کلیدی : گربه شنی توالی‌یابی مدل مارکوف پنهان شبکه‌های عصبی مصنوعی یادگیری ماشین