ارائه و پياده سازي يك روش پيش بيني يال در شبكه هاي بيولوژيكي دوبخشي مبتني بر يادگيري عميق

اصفهان : دانشگاه صنعتي اصفهان

مهندسي برق

كارشناسي ارشد

به كمك مهندسي كنترل مي¬توان با مدل¬سازي به درك بهتري از ديناميك¬هاي سيستم¬هاي بيولوژي و پيش¬بيني رفتار آن¬ها رسيد. تحقيقات بيولوژيكي در دو دهه گذشته از پيشرفت فناوري و تركيب داده¬هاي اميكس در سطوح مختلف، از جمله ژنوميكس، ترنسكريپتوميكس، پروتئوميكس بهره¬مند شده است. هدف اين پايان¬نامه، طراحي مدلي است كه با استفاده از آن بتوان به ادغام داده-هاي اميكس و هم¬چنين به پيش¬بيني ارتباطات ميان لايه¬هاي اميكس پرداخت و هم¬چنين ابزاري طراحي شود تا با استفاده از آن بتوان از نتايج بدست آمده توسط مدل، استفاده نمود. چرا كه علت برخي از بيماري¬ها مانند سرطان و ديابت تنها يك ژن نيست و براي تشخيص و درمان آن نياز به ارتباط ميان لايه¬ها و شبكه¬هاي مولكولي وجود دارد. سيستم¬هاي توصيه¬گر نيز فعاليتي مشابه با هدف اين پژوهش، كه پيش¬بيني ارتباطات جديد مي¬باشد، دارند و به همين دليل مدل¬هايي كه در اين زمينه طراحي شده¬اند مورد بررسي قرار گرفتند. از طرفي چون با نمايش داده¬هاي مورد بررسي در اين پايان¬نامه به صورت گراف، كمك زيادي به فهم داده¬ها مي¬كند، مدل LightGCN كه مدلي مبتني بر شبكه پيچشي گراف و يادگيري عميق است، انتخاب شده است. چرا كه اين مدل نسبت به ساير مدل¬هاي موجود در اين زمينه از سرعت و دقت بالاتري برخوردار است. تغييرات موردنياز براي رفع نياز به خصوص اين پژوهش در اين مدل صورت گرفت. پياده¬سازي و برنامه¬نويسي مدل طراحي شده در اين پژوهش، بر بستر كتابخانه پاي¬تورچ و زبان برنامه¬نويسي پايتون بوده است. چرا كه به نسبت ساير كتابخانه¬هاي موجود در اين زمينه از سرعت بالاتري برخوردار بود. هم¬چنين براي افزايش سرعت آن و كاهش حجم محاسبات تا مقدار زياد، از فرمت COO براي نمايش ماتريس¬هاي به¬كار رفته شده در اين پژوهش استفاده شد. در اين پايان¬نامه از دو دسته داده متفاوت استفاده شده است، كه شامل ارتباطات در دو دسته، miRNA و mRNA و دارو و پروتئين مي¬باشند. اين مجموعه داده¬ها تنها بيان¬گر وجود يال هستند و براي آموزش مدل نياز به داده¬هايي كه عدم وجود يال را نيز بيان كنند، وجود دارد كه براي اين كار از روش نمونه برداري منفي استفاده شده است. به گونه¬اي كه وجود يال ميان هر جفت پارامتر، به معناي توانايي تاثيرگذاري هر دو پارامتر بر روي يك¬ديگر است؛ كه به كمك دانش بدست آمده از كشف يال¬ها و ارتباطات موجود، با مدل طراحي شده مي¬توان به پيش¬بيني يال¬هاي ديگر پرداخت؛ كه اطلاعات مفيدي در اختيار پژوهشگران و پزشكان مي¬گذارد. عملكرد مدل براي پيش¬بيني يال در مجموعه داده¬هاي در دسترس توسط معيارهاي AUC، F1 score، حساسيت و صحت مورد ارزيابي قرار گرفته شده است. براي اين كه بتوان از نتايج بدست آمده توسط مدل و ارتباطات جديد پيش-بيني شده استفاده نمود، يك ابزار آنلاين براي تشخيص و پيش¬بيني ارتباط بين miRNA و mRNA در سه قسمت مجزا، كه تمامي نيازها را بتواند پوشش بدهد، به كمك فريمورك جنگو طراحي شده است تا كمكي بر نظارت روي پيشرفت و كمك به درمان بيماري¬ها و قابل استفاده براي پزشكان و بيماران براي نياز به خصوص آن¬ها باشد. هم¬چنين سعي شد تا اين ابزار از رابط كاربري مناسبي برخوردار باشد و با كمك تكنيك¬هاي خاص جست¬جو تا مقدار زيادي سرعت پاسخ¬دهي ابزار را افزايش داد.

229679

كنترل

مهندسي برق و كامپيوتر

دانشگاه صنعتي اصفهان