این مقاله ترجمه مقاله انگلیسی Identification ofhumandrugtargetsusing
machine-learning algorithms می باشد ./

سال انتشار : 2014/

تعداد صفحات مقاله انگلیسی : 7/ pdf

تعداد صفحات فایل ترجمه : 8/

فرمت فایل ترجمه : Word /

چکیده

تعیین اهداف داروهای انسانی در خط تولید دارو هدف بسار مهمی است.تعیین موفق اهداف داوطلب دارو در ژنوم بسیار مفید است و روشهای پیش بینی محاسباتی می توانند این پروسه را تسریع کنند.در این کار ما یک روش مبتنی بر دنباله برای تعیین و تبعیض موفق پروتئین های اهداف داروی انسانی از اهداف داروهای غیرانسانی، توسعه داده ایم .ویژگی های آموزش شامل ویژگی های دنباله مبنا مانند ترکیب آمینواسید،ترکیب ویژگی گروه آمینو اسید و ترکیب دیپتید برای تولید مدل پیش گویی است.دسته بندی پروئتین های داروهای  با هدف انسانی یک مدل کلاسیک  از کلاس نا متعادل را نشان می دهد.ما با استفاده از SMOTE(روش اقلیت بیش از نمونه مصنوعی) به عنوان مرحله پیش پردازش استفاده کرده ایم تا داده های آموزشی را با نزخ 1:1 بین اهداف دارویی و غیردارویی متعادل باشند.با استفاده از متدهای چرخشی Forest و نکنیک تشخیص ویژگی ReliefF برای انتخاب زیرمجموعه بهینه ویژگی های چشمگیر بهترین مدل با ویژگی های انتخاب شده می تواند 78% حساسیت،83.6% اختصاصی بودن،85.3% دقت، با 71% mcc دریک آزمایش اعتبارمتقاطع سنجی چند مرحله ای را به دست بدهد.زیرمجموعه ویژگی هیا بهینه انتخاب شده،مکن است در دستیابی به الگوهای ترکیبی در اهداف داروی انسانی کمک کند.برای اعتبار سنجی بیشتر با استفاده از یک آزمایش اعتبار سنجی متقاطع سخت مدل 81% حساسیت،83% اختصاصی بودن،85.5% دقت . 0.712 mcc به دست داده است.روش ارائه شده بر روی یک مجموعه داده ثانویه تست شده است که برای خط لوله حاضر نتایج امید بخشی داده است.ما پیشنهاد میکنیم که روشه ارائه شده،می تواند به عنوان یک ابزار تکاملی به طور موفقیت آمیز بر روشهای موجود برای پیش بینی اهداف داروی انسانی به کار گرفته شود./1012/