جستجو
ارائه یک روش ترکیبی مبتنی بر الگوریتم بهینه سازی کرم شبتاب و ماشین بردار پشتیبان جهت شناسایی مواد فعالکننده گیرنده آندروژن
آیدا تماری1 مجتبی حکیم زاده2 حسن قائدی3
چکیده :
شناسایی مواد فعالکننده گیرنده آندروژن (AR) به دلیل اهمیت در بیماریهایی مانند سرطان پروستات، در غربالگری مجازی دارویی حیاتی است. روشهای آزمایشگاهی سنتی پرهزینه و زمانبر هستند. در این پژوهش، یک مدل کمی رابطه ساختار–فعالیت (QSAR) مبتنی بر یادگیری ماشین ارائه شده است. نوآوری اصلی تحقیق، طراحی یک چارچوب ترکیبی است که بهطور همزمان، انتخاب ویژگیهای بهینه (کاهش فضای ویژگی از ۱۰۲۴ به ۶۸۷) و تنظیم پارامترهای کلیدی ماشین بردار پشتیبان (C=7.16,γ=0.014) را با استفاده از الگوریتم فراابتکاری کرم شبتاب (FA) انجام میدهد. این رویکرد ضمن برقراری تعادل میان جستجوی محلی و سراسری، پیچیدگی مدل را کاهش داده و دقت تعمیم را افزایش میدهد. نتایج آزمایشها برتری مدل پیشنهادی (FA-SVM) را نسبت به سایر روشها تأیید میکند. مدل FA-SVM به دقت ۹۸.۸۷٪، صحت ۹۹.۱۵٪، فراخوانی ۹۸.۶۳٪ و F1-score ۹۸.۸۹٪ دست یافته است که در تمامی معیارها از روشهای پایه (SVM با دقت ۸۸.۱۳٪) و ترکیبی (مانند PSO-SVM و FA-RF) پیشی گرفته است. همچنین مقدار AUC برابر با ۹۹.۱۸٪ نشاندهنده عملکرد عالی مدل در تفکیک ترکیبات فعال از غیرفعال است. این چارچوب یک راهکار کارآمد برای کاهش هزینهها و افزایش سرعت در کشف داروهای جدید فراهم میآورد.
کلمات کلیدی : یادگیری ماشین طبقه بندی انتخاب ویژگی ماشین بردار پشتیبان الگوریتم بهینه سازی کرم شب تاب فعالکننده گیرنده آندروژن
زبان مقاله : فارسی
محور مقاله : فناوری های کاربردی هوش مصنوعی و کاربردهای آن در علوم مختلف
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری
آدرس وب سایت کنفرانس : itnaf.ir
کد IOI مقاله : AAHD-ABGZBD
لینک مستقیم مقاله : https://isnac.ir/AAHD-ABGZBD
سایر مقالات ارائه دهنده
- بهبود عملکرد خوشهبندی مشتریان تجارت الکترونیکی از طریق ارتقای فاکتور آگاهی در الگوریتم بهینهسازی چیتا
- ارائه یک روش ترکیبی مبتنی بر الگوریتم بهینه سازی کرم شبتاب و ماشین بردار پشتیبان جهت شناسایی مواد فعالکننده گیرنده آندروژن
- طبقه بندی هوشمند تصاویر پزشکی با بهره گیری از تلفیق بردارهای ویژگی در سطح میانی شبکه های عمیق هیبرید
- استخراج بهینه هایپرپارامترهای شبکه عصبی کانولوشن با استفاده از الگوریتم بهینه سازی پنگوئن امپراطور با هدف افزایش دقت تشخیص ارقام دست نویس
سایر مقالات محل انتشار
- A Study on Design Understandability and Interaction of the therapy-specific Robots
- طراحی و مهندسی یک حسگر زیستی نوری چند مدی پلاسمونیک مبتنی بر تشدیدگرهای حلقه شکاف برای سنجش جامع آنتیژن
- طراحی یک اسیلاتورکنترل شونده با ولتاژ با نویز فاز بسیار پایین و بازه وسیع فرکانسی با تکنولوژی نانولوله کربنی برای کاربردهای PLL
- یک چارچوب هوشمند آگاه به زمینه برای ارتباطات V2V و V2Iدر شبکههای خودرویی شهرهای هوشمند با استفاده از دادههای ترافیکی شبکه سلولی
- An Ensemble Non-Dominated Feature Selection Method: A Case Study on Prostate Cancer
- تشخیص زودهنگام پوسیدگی دندان با استفاده از شبکههای عصبی
- Simulation and Performance Comparison of Torque Tube and LVDT Sensors in Displacer-Based Level Measurement Systems
- ارتقا سامانه ناوبری پهپاد مهاجر ۶ با استفاده از فناوری
- کاربرد نانوذرات مگنتیت (Fe3O4) در پزشکی (از سنتز تا عملکرد)
- Simulation and Modeling of Floating-Gate Non-Volatile Memory Performance: Focus on Oxide Thickness, Programming Speed, and Charge Transport Mechanisms
- Fraud Analytics with Big Data: A Literature Review on Machine Learning Algorithms in Bankruptcy Prediction and Financial Fraud Detection
- تحلیل آیندهپژوهانه همگرایی هوش مصنوعی، فناوری نانو و فناوری اطلاعات در مسیر تحول صنعتی آینده
- نقش تحول دیجیتال در خدمات کتابخانههای عمومی برای توانیابان جسمی و ذهنی
- Prediction and Optimization of Oxygen Production under Microgravity Conditions Using Machine Learning
- Simulation and Performance Comparison of Ultrasonic, Non-Contact Radar, and Guided Wave Radar Sensors in Level Measurement Systems