عنوان پایان‌نامه
ساده سازی شبکه های تنظیمی ژنی
- رشته تحصیلی
- مهندسی کامپیوتر- آلگوریتم ها و محاسبات
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس یک فنی شماره ثبت: 68..;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 65351
- تاریخ دفاع
- ۱۰ شهریور ۱۳۹۳
- دانشجو
- مهدی رحیمی
- استاد راهنما
- علی معینی, علی مسعودی نژاد
- چکیده
- پیشرفت های زیاد در دنیای بیوانفورماتیک باعث بوجود آمدن اطلاعات مفید و زیادی شده است. یکی از مباحث مهم و کاربردی در بیوانفورماتیک شبکه‌های بیولوژیکی است. با توجه به پژوهش‌های انجام شده، مشخص شده که رفتارهای سلولی با بررسی اجزا به طور مجزا قابل درک نیست و همواره باید برای درک این رفتارها، تعاملات بین اجزا را بررسی کرد. یکی از محدودیت‌های بزرگ در کار کردن با این شبکه‌ها، بزرگ بودن آن‌ها است که باعث افزایش بار محاسباتی الگوریتمها می‌شود. با توجه به تحقیقات انجام شده در این زمینه، مشخص شده که همواره عملیات‌های اصلی در شبکه‌ها، حول یک هسته‌ی مرکزی رخ می دهد و با یافتن این هسته، با بار محاسباتی به شدت کمتر، می‌توان شبکه‌ها را تحلیل و در عین حال اطلاعات خوبی از رفتار شبکه‌ی اصلی پیدا کرد. چندین مدل برای کار کردن با این شبکه‌ها وجود دارد که بنا به سادگی و داشتن اطلاعات مفید برای نشان دادن عملیات‌ها، در این جا از مدل شبکه‌های دودویی استفاده شده است. در این پژوهش الگوریتمی برای پیدا کردن هسته‌ی کنترلی در شبکه‌ها ارائه شده که برای شبکه‌های بزرگ قابل اجرا است و نتایج حاصل نشان می دهد که این هسته، نسبت کوچکی از کل اجزای شبکه است. در عین حال با آزمایش انجام شده بر روی شبکه‌ی سیگنالی انسان حضور هدف دارو‌ها در نودهای هسته مشاهده شد.
- Abstract
- Advances in bioinformatics cause a lot of useful data. One of the important and applicable topics in bioinformatics is biological networks. Previous researches shows cellular behaviors are not understood by component investigation, so interactions between components should be considered. One of the big constraints on these networks is the largness and complexcity which causes overhead on algorithms. Last Researchs shows that interaction networks were built around certain core structures or kernels and it can be helpful to reduce the complexity of the network to a kernel that maintains the essential regulatory functions for the output under consideration. There is some way for modeling these networks. We employed a discrete logic-based Boolean network model. Here we developed an algorithm to find kernel of networks that can be used for big networks. Results shows kernel is so small in comparison to original network. Also results shows kernel of human signaling network has many drug target in it.
