عنوان پایان‌نامه

بهبود و پیشگویی ارتباطات در شبکه های زیستی با رویکردهای مبتنی بر پیشگویی پیوند



    دانشجو در تاریخ ۰۸ اسفند ۱۳۹۵ ، به راهنمایی ، پایان نامه با عنوان "بهبود و پیشگویی ارتباطات در شبکه های زیستی با رویکردهای مبتنی بر پیشگویی پیوند" را دفاع نموده است.


    رشته تحصیلی
    بیوشیمی
    مقطع تحصیلی
    دکتری تخصصی PhD
    محل دفاع
    کتابخانه مرکز تحقیقات بیوشیمی و بیوفیزیک شماره ثبت: 11569ب;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 79164;کتابخانه مرکز تحقیقات بیوشیمی و بیوفیزیک شماره ثبت: 11569ب;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 79164
    تاریخ دفاع
    ۰۸ اسفند ۱۳۹۵
    دانشجو
    صادق سلیمانی
    استاد راهنما
    علی مسعودی نژاد, محمد خوانساری
    چکیده
    لینک فایل چکیده
    شبکه‌های زیستی مانند شبکه‌های مغز، تعاملات پروتئینی، تنظیم ژنی و ... که مبنای ایجاد آن‌ها، روش‌های آزمایشگاهی است، اغلب دارای خطا از نوع یال‌های اضافی یا از قلم افتاده هستند. یکی از شیوه‌های محاسباتی کارآمد برای حذف ارتباطات اضافی یا کشف ارتباطات از قلم افتاده در شبکه، پیشگویی پیوند به عنوان زیرشاخه‌ای از داده کاوی است. پیشگویی پیوند همچنین می‌تواند تحولات آتی شبکه‌ را نیز پیش‌بینی و مدل کند. در این پایان‌نامه پس از دسته‌بندی شبکه‌های زیستی و بررسی ادبیات موضوعی پیشگویی پیوند به صورت عام، علاوه بر ارائه‌ی یک دسته‌بندی جامع‌نگر از مسایل مرتبط با آن، یک مطالعه‌ی کتابخانه‌ای برای مرور ساختیافته‌ی پژوهش‌های انجام شده در زمینه‌ی پیشگویی پیوند در شبکه‌های زیستی انجام پذیرفته است و 40 اثر مرتبط، با دقت بررسی و بر اساس نوع ‌شبکه‌ی زیستی، پویایی شبکه، رویکرد و الگوریتم پیشگویی مورد استفاده، نوع گراف به کار رفته برای مدل‌سازی شبکه و کاربرد مورد نظر، دسته‌بندی شده‌اند. کاربرد اول پیشگویی پیوند در شبکه‌های زیستی انجام پذیرفته در این پایان‌نامه، ارزیابی توان الگوریتم‌های پیشگویی پیوند برای پیش‌بینی تغییرات شبکه‌ی مغز در بیماری آلزایمر در طی مراحل مختلف بیماری (سالم، زوال ملایم اولیه، زوال ملایم پیشرفته و زوال عقلی کامل) با کمک داده‌های تامین شده از ADNI است. نتایج محاسبات که بر مبنای رویکرد جدید ارائه شده به نام پیشگویی پیوند روبه‌جلوی ترکیبی صریح است، نشان از توانایی پیشگویی پیوند برای پیش‌بینی تغییرات در مراحل مختلف تحول شبکه‌ی مغز در بیماری آلزایمر دارد. کاربرد دوم پیشگویی پیوند در شبکه‌های زیستی، ارائه‌ی مدلی محاسباتی با پیچیدگی پایین و سرعت و کارایی بالا برای کاهش سرعت انتشار بیماری‌های همه‌گیر است. بدین منظور، پس از مرور پژوهش‌های مرتبط انجام شده، رویکرد جدیدی به نام پیشگویی پیوند معکوس عرضه شد و بر داده‌های شبکه‌ی پروازهای بین‌المللی تامین شده از openflights.org اعمال گردید و با دوشیوه‌ی ارزیابی مورد بررسی قرار گرفت و کارآمدترین الگوریتم‌های پیشگویی پیوند در این زمینه معرفی شدند. در نهایت بر اساس مرور جامع انجام شده در زمینه‌ی پیشگویی پیوند در شبکه‌های زیستی، علاوه بر ذکر چالش‌ها و نکات مهم استفاده از پیشگویی پیوند در این شبکه‌ها، کارهای آتی پیشنهادی، چه در زمینه‌ی بهبود نتایج پیشگویی پیوند در شبکه‌ی مغز در بیماری آلزایمر و بهبود نتایج کاهش سرعت انتشار بیماری و چه در زمینه‌های مستعد دیگر اعم از اعمال الگوریتم‌های پیشگویی پیوند به سایر شبکه‌های زیستی مانند شبکه‌های پیام‌رسانی، هم‌بیانی، بیماری‌هایی مانند سرطان و حیطه‌های زیستی مرتبط با گیاهان بیان شده‌اند.
    Abstract
    Biological networks such as brain, protein-protein-interaction, gene regulatory networks and …, which is constructed using experimental methods often has false positive or false negative errors. Link prediction is a useful data mining based computational method that can recover missed links or remove fake ones or even predict the next state of a network having the current one. In this thesis, after presenting a categorization of biological network types, and general literature review of link prediction publications, a library research has been accomplished about link prediction publications in biological networks, and 40 papers has been carefully studied and categorized according to the following issues: biological network type, dynamicity, link prediction approach and algorithm, associate graph type for modeling the network and application area. First case study about using link prediction in biological networks is to assess the power of their algorithms for predicting the brain network changes during Alzheimer’s disease state transitions. Data has been prepared from ADNI. Results that are based on a new link prediction approach, called mixed link prediction, shows the ability of link prediction to do the task. Second case study of using link prediction in biological networks is proposing a new, efficient, easy to understand, low complexity method to reduce the disease spreading speed based on a novel link prediction approach, reverse link prediction. Data of global aviation network, has been prepared from openfilghts.org, and evaluation has been made based on two criteria. Finally the best algorithm of link prediction for this purpose has been introduced. Finally, based on the comprehensive review about link prediction in biological networks at the beginning of the thesis, after discussing the related challenges and fortunes, future works has been proposed for the two cased studies. Some of the new areas of deployment the link prediction uses to biological networks are signal transduction, cooexpression, cancer and plant related networks. Keywords: Link prediction, Biological networks, Alzheimer’s disease, Epidemics mitigation