مقایسه کارایی الگوریتم های مبتنی بر هوش مصنوعی و یادگیری ماشین برای یافتن الگو در DNA

پارسا رمضان زاده¹ تکتم دهقانی² محمود نقیب زاده³

1) دانشجوی کارشناسی ارشد، مؤسسه آموزش عالی غیرانتفاعی توس، مشهد، ایران -
2) استادیار، گروه انفورماتیک پزشکی، دانشکده پزشکی، دانشگاه علوم پزشکی مشهد، مشهد، ایران -
3) استادتمام، گروه کامپیوتر، دانشگاه فردوسی مشهد، مشهد، ایران -

محل انتشار : دومین کنگره بین المللی علوم، مهندسی و فن آوری های نو(secongress.com/2nd)
چکیده :
بیوانفورماتیک، حوزه نوظهوری در تحقیقات علوم زیستی است که به مطالعه توالی‌های DNA، RNA و پروتئین‌ها می‌پردازد. با رشد روزافزون حجم داده‌های بیولوژیکی، نیاز به رویکردهای کارآمدتر برای ذخیره‌سازی، بازیابی، تجزیه و تحلیل، تطبیق، تراز، جستجو و پردازش این توالی‌ها بیش از پیش احساس می‌شود. در این راستا، الگوریتم‌های تطبیق الگو در زیست‌شناسی محاسباتی نقشی کلیدی در جستجو و تحلیل الگوهای DNA ایفا می‌کنند؛ هدف این مطالعه، ارائه طبقه‌بندی و ارزیابی عملکرد الگوریتم‌های تطبیق الگو در حوزه بیوانفورماتیک است. ما با دنبال کردن یک استراتژی جستجو، به دنبال تنظیم یک فرآیند تحقیقاتی و یافتن مدلی ریاضی برای تخمین زمان اجرای جستجو بدون نیاز به پویش کل توالی DNA هستیم؛ در این پژوهش، چهار الگوریتم تطبیق الگو به نام‌های FLPM، PAPM، EFLPM و EPAPM ارزیابی و مقایسه می‌شوند. این الگوریتم‌ها با هدف افزایش سرعت جستجوی الگو در دنباله‌های DNAطراحی شده‌اند. این الگوریتم‌ها با استفاده از پردازش سطح واژه به جای پردازش سطح کاراکتر که در مطالعات پیشین مورد استفاده قرار می‌گرفت، عملکرد را به طور قابل توجهی ارتقا می‌بخشند. نتایج آزمایش‌ها نشان می‌دهد که روش‌های پیشنهادی برای الگوهای کوتاه و بلند در مقایسه با سایر الگوریتم‌ها عملکرد بهتری ارائه می‌کنند. به طوری که در مقایسه انجام شده الگوریتم EFLPM ، 54 درصد سریع‌تر از روش FLPM و الگوریتم EPAPM، 39 درصد سریع‌تر از روش PAPM عمل می‌کند.
کلمات کلیدی : بیوانفورماتیک الگوریتم تطبیق الگو دنباله‌های dna پردازش سطح واژه جستجوی سریع تر الگو