[صفحه اصلی ]   [ English ]  
بخش‌های اصلی
درباره دانشکده::
مدیریت دانشکده::
اعضای هیات علمی ::
معرفی افراد::
امور آموزش::
امور پژوهشی::
آموزش الکترونیکی::
پردیس شماره 2::
اخبار و رویدادها::
فضاهای آموزشی و تحقیقاتی ::
تسهیلات پایگاه::
::
ورود به سایت دروس

AWT IMAGE

نام کاربری
کلمه عبور

AWT IMAGE
رمز ورود را فراموش کرده‌اید؟

..
دفاعیه کارشناسی ارشد

دفاعیه کارشناسی ارشد

..
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
:: آرش رفیعی ::
 | تاریخ ارسال: ۱۳۹۴/۲/۷ | 

 

 

AWT IMAGE

 

 آقای آرش رفیعی   دانشجوی کارشناسی ارشد جناب آقای دکتر عادل رحمانی روز چهار شنبه 94/2/16 ساعت 13:30در اتاق سمینار واقع در طبقه سوم دانشکده کامپیوتر از پروژه کارشناسی ارشد خود تحت عنوان ارائه روشی برای تحلیل مسیرهای زیستی با استفاده ار مدل های گرافیکی دفاع خواهند نمود.

 

 

 

 

 

 

 

 

 

 چکیده

 

در زیست­شناسی مولکولی به ژن­هایی که با یکدیگر در تعامل هستند و یک فرآیند زیستی خاصی را به سرانجام می­رسانند "مجموعه ژن"، و اگر ارتباط بین این ژن­ها نیز مشخص باشد به آن­ها "مسیر زیستی" می‌گویند. در شرایط معمولی میزان بیان این ژن­ها عادی است، اما شرایطی پیش خواهد آمد که میزان بیان برخی از ژن­ها به شدت افزایش یا کاهش می­یابد که در این حالت به آن­ها "ژن­های متفاوت بیان" می­گویند.از طریق انجام مطالعاتی که به مقایسه کلاس­های مختلف بیان ژن می­پردازند، می­توان صد­ها یا هزاران ژن متفاوت بیان را بین نمونه گروه­ها مشخص کرد. بررسی و تحلیل دقیق نتایج این آزمایش­ها می­تواند به ارتقاء دانش و بینش زیستی منجر شود. به عنوان مثال، بوسیله مشخص کردن مسیرهای سیگنالی نهفته در تغییرات مشاهده شده، می­توان به درک بهتری از مکانیزم بیماری دست پیدا کرد.کلید اصلی تبدیل حجم عظیمی از داده­های حجیم مولکولی فعلی به دانش زیستی در تفسیر نتایج این آزمایش­ها نهفته است، که از این طریق می­توان به پدیده زیستی که در بطن این داده­ها نهفته است، دست پیدا کرد. تمرکز بیشتر روش­های فعلی تجزیه و تحلیل مسیر، یا بر روی تعداد ژن­های متفاوت بیان مشاهده شده در مسیر مورد نظر، و یا بر روی ارتباط بین ژن­های مسیر و ژن­های نمونه­ها است. هر دو روش ، مسیرهای زیستی را به صورت یک لیست ساده از ژن­ها در نظر گرفته، و تعاملات پیچیده بین ژن­های مسیر را نادیده می­گیرند، در حالیکه هدف اصلی از ایجاد مسیرهای زیستی توصیف همین ارتباطات پیچیده بوده است.در این پایان­نامه روشی ارائه خواهد شد که مشکلات روش­های پیشین را نخواهد داشت و ساختار مسیر و ارتباط بین ژن­ها را نیز در نظر می­گیرد. این روش در مدل­سازی خود از تئوری­های گراف و شبکه­های بیزی استفاده می­کند. شبکه­های بیزی در مقابل نویز مقاومت خوبی دارند و بر روی تعاملات محلی متمرکز می­شوند. بنابراین روش ارائه شده نیز در مقابل نویز مقاوم بوده و از دقت بالایی برخوردار خواهد بود. این امر در آزمایش­های انجام شده بر روی داده­های مصنوعی (با دقت تقریبی 83%) به خوبی نشان داده شده است.

 

 

 

واژه‌های کلیدی:تجزیه و تحلیل مسیر، شبکه بیزی، گراف، بیان ژن، داده­های حجیم مولکولی، دانش زیستی

 

   

Abstract:

 

I molecular biology “Gene Set” is those genes that interact with each other and do a special biological process and if genes have a particular topology, they are called “Biological Pathway”. Under usual conditions, gene expression value is normal, but there may be some circumstances in which gene expression value is drastically differ from normal situation. In this case they are referred as “Differentially Expressed, DE” genes.Gene expression class comparison studies may identify hundreds or thousands of genes as differentially expressed (DE) between sample groups. Gaining biological insight from the result of such experiments can be approached, for instance, by identifying the signaling pathways impacted by the observed changes. Translating such results into a better understanding of the underlying biological phenomenon is key to translating the now abundant high-throughput expression data into biological knowledge. Most of the existing pathway analysis methods focus on either the number of DE genes observed in a given pathway, or on the correlation between the pathway genes and the class of the samples Both approaches treat the pathways as simple sets of genes, disregarding the complex gene interactions that these pathways are built to describe.In this thesis, an approach is presented in which pathway topology and genes interactions are considered together and has not the deficiencies as the previous methods in this domain have. This scheme uses graph theories and Bayesian networks in its modeling. Bayesian networks are robust to noise and are focused on local interactions. Hence, the proposed technique is robust to noise too and simulation results have proved that its accuracy for synthetic datasets is of approximately 83%.

 

 

 

Keywords:Pathway analysis, Bayesian Network, Graph, Gene expression, High-Throughput BiologicalData, Biological knowledge

 

 

 

    

آرش رفیعی

    رشته مهندسی کامپیوتر -هوش مصنوعی و رباتیک

  استاد راهنما:

  دکتر عادل رحمانی

  استاد داور داخلی:دکتر بهروز مینایی

  استاد داور خارجی : خانم دکترزهرا  رزاقی مقدم  

  تاریخ دفاع :چهار شنبه 16اردیبهشت  ماه 94

  زمان:ساعت 13:30

 

  مکان: دانشکده مهندسی کامپیوتر- طبقه سوم- اتاق سمینار

 از اساتید بزرگوار، دانشجویان گرامی و دیگر متخصصان و علاقه مندان به موضوع دفاعیه دعوت
می شود با حضور خود موجبات غنای علمی و ارتقای کیفی را فراهم سازند.

 

  دانشکده مهندسی کامپیوتر مدیریت تحصیلات تکمیلی

 

 

 

 

 

دفعات مشاهده: 2317 بار   |   دفعات چاپ: 498 بار   |   دفعات ارسال به دیگران: 0 بار   |   0 نظر
سایر مطالب این بخش سایر مطالب این بخش نسخه قابل چاپ نسخه قابل چاپ ارسال به دوستان ارسال به دوستان
School of Computer Engineering
Persian site map - English site map - Created in 0.196 seconds with 965 queries by yektaweb 3525