كنترل شبكه هاي تنظيم ژني با كمك روش هاي يادگيري تقويتي

كارشناسي ارشد

درك سامانه‌ا‌‌ي از پديده هاي زيستي به كمك شناسايي ساختار اين سامانه‌ها و تحليل رفتار ديناميكي آن‌ها به دست مي‌آيد، شناخت سازوكارهاي كنترلي در اين سامانه‌ها به دانشمندان در طراحي روش‌هاي درماني موثر و ساخت شبكه‌هاي زيستي مصنوعي با قابليت اطمينان بالا ياري مي‌رساند. يكي از بزرگترين اهداف كنترل شبكه تنظيم ژني، پيش بيني رفتار سيستم و كنترل آن براي توسعه روش‌هاي درماني يا داروها مي‌باشد.در اين راستا مي‌توان ديناميك يك شبكه تنظيم ژني را به عنوان مجموعه‌اي از انتقال حالات با انطباق بر مدل فرايند تصميم گيري ماركوف تلقي نمود. اگر بتوان، با اعمال ورودي‌هاي مناسب و تعريف حالات مطلوب مساله، به عنوان هدف، سيستم را از حالت بيماري زا (نامطلوب) به حالت مطلوب(سالم) انتقال داد، سيستم از معرض ماندگار شدن در حالات نامطلوب كنترل شده است. در حقيقت، كنترل كردن شبكه تنظيم ژني به معناي كنترل حالت سيستم با مداخله تعدادي ژن ورودي به نام ژن كنترلي براي دست‌يابي به اين هدف مي‌باشد. در روش‌هاي بررسي شده كنترل خارجي، ابتدا مدل شبكه‌اي مورد نظر از داده‌ها مدل شده و سپس الگوريتم براي يافتن بهترين سياست تخميني اجرا مي‌شود، به‌طوري¬كه پيچيدگي حافظه و زمان يافتن استراتژي با افزايش تعداد ژن¬هاي شبكه بسيار افزايش مي‌باشد. مطالعات گوناگوني، زمان اجراي يافتن سياست براي سيستم ژني با تعداد ژن كم را به زمان چند جمله‌اي تقليل داده¬اند، اما مشكل حافظه در آن‌ها همچنان باقي مانده است، يك ايده براي غلبه بر اين مشكل، مدل سازي براساس نمونه¬هاي جمع¬آوري شده از محيط و سپس يافتن سياست تخميني مي باشد. در اين پايان نامه به ارائه يك سيستم يادگير كنترل محور بر مبناي الگوريتم يادگيري تقويتي دسته‌اي پرداخته شده است، به‌طوري كه با تعريف پارامترهاي سيستم و تطبيق بر مدل شبكه استنتاج شده در روش‌هاي پيشين، سياست تخميني از داده‌ها استنتاج شود. براي اين منظور يك تابع تخمين زننده بر مبناي ماتريس ويژگي گوسي و يك استراتژي ε-حريصانه در الگوريتم دسته‌اي پيشنهادي به¬كار گرفته شد. پس از به‌دست آوردن نتايج و اعمال آن به شبكه بولي احتمالاتي ساخته شده، نتايج نشان داد كه اين روش توانست مجموع احتمال حالات نامطلوب در شبكه را نسبت به روش كنترل نشده و همچنين روش كنترل شده بر مبناي نمونه پيشين، براساس پارامترهاي ذكر شده بهبود بخشد. واژه‌هاي كليدي:كنترل، شبكه‌هاي تنظيم ژني، يادگيري تقويتي دسته‌اي، توابع تخمين زننده

192638

دانشگاه علم و صنعت ايران

دكتر علي مسعودي نژاد

هوش مصنوعي

دكتر ناصر مزيني