مدل های مارکفی پنهان در پیش بینی ساختار دوم پروتئین ها

پیش بینی ساختار دوم پروتئین ها با استفاده از شبکه های عصبی

شناخت عملکرد پروتئین ها با توجه به گستره فعالیت آنها از مسائل مهم زیست شناسی محسوب می شود. ساختار سه بعدی یک پروتئین در نحوه عملکرد آن نقش اساسی دارد. با توجه با رشد روز افزون رشته های پروتئین شناخته شده و مشکلات تعیین ساختار آنها به صورت آزمایشگاهی، روشهای محاسباتی برای پیش بینی

پیش بینی ساختار دوم پروتئین ها از طریق کلاسه بندی عصبی- ژنتیکی

پروتئین ها مواد مغذی اصلی هر سلول زنده و مسئول انجام اعمال گوناگون آن هستند. هنگامی که پروتئین ها در دمای معمول و در حالت عادی در محیط آبی قرار می گیرند از آن ها شکلی سه بعدی به دست می آید که در قسمتی از بدن قرار گرفته و ویژگی های کاربردی آن ها وابسته به این ساختار می باشد. به هم

پیش بینی ساختار دوم پروتئین با استفاده از شبکه عصبی

پروتئین ها نقش کلیدی در بسیاری از فعالیت های حیاتی موجودات زنده بر عهده دارند، با توجه به این اهمیت، تولید پروتئین و تغییر ساختار آن برای نیل به اهدافی از قبیل طراحی داروها، ارسال دارو به بافت هدف تولید جایگزین های زیستی برای از بین بردن ترکیبات شیمیایی خطرناک محیط و غیره، از اهد

پیش بینی ساختار دوم پروتئین به کمک شبکه های عصبی

ارائه ی یک روش جمعی وزن دار برای پیش بینی ساختار دوم rna

پیش بینی ساختار دوم آر ان ای نقش اساسی در پی بردن به عملکرد آن دارد. پیوند هیدروژنی میان اسید های نوکلیوتید سازنده یک رشته آر ان ای که زوج های پیوندی نامیده می شوند ساختار دوم آر ان ای را تشکیل می دهد. از آنجا که روش های تجربی برای تعیین این ساختار بسیار پرهزینه و زمان بر هستند،

پیش بینی ساختمان دوم پروتئین ها به روش محاسباتی و کاربردهای آن در زیست فناوری

روش های محاسباتی برای پیش بینی ساختار دوم RNA

عملکرد مولکول‌های RNA اغلب به ساختار فضایی آنها بستگی دارد. ساختار فضایی یک مولکول RNA را می‌توان با روشهای آزمایشگاهی مانند NMR و یا کریستالوگرافی اشعه‌ی ایکس به طور دقیق مشخص کرد، ولی این کار مستلزم صرف زمان و هزینه‌ی بالایی می‌باشد. به همین دلیل، استفاده از روشهای محاسباتی ب

ارزیابی مدل های شبکه ارتجاعی در پیش بینی تغییرات ساختاری پروتئین ها

تغییرات ساختاری پروتئین ها که در هنگام اتصال به لیگاند یا پروتئین های دیگر صورت می گیرد، نقش حیاتی در پدیده های بیولوژیکی ایفا می نماید. این گونه حرکات به صورت تجمعی و با فرکانس پایین بوده و آنالیز مود نرمال روش متداول جهت یافتن فرکانس ها و شکل مود ها می باشد. مطالعات گسترده ای ج

ارزیابی مدل های شبکه ارتجاعی در پیش بینی تغییرات ساختاری پروتئین ها

تغییرات ساختاری پروتئین ها که در هنگام اتصال به لیگاند یا پروتئین های دیگر صورت می گیرد، نقش حیاتی در پدیده های بیولوژیکی ایفا می نماید. این گونه حرکات به صورت تجمعی و با فرکانس پایین بوده و آنالیز مود نرمال روش متداول جهت یافتن فرکانس ها و شکل مود ها می باشد. مطالعات گسترده ای ج

مقایسۀ مهارت مدل¬های استوکاستیک و شبکه¬ها¬ی عصبی مصنوعی در مدل‎سازی و پیش‎بینی مقادیر و طبقات شاخص بارندگی استاندارد شده

هدف از پژوهش پیش رو، مقایسۀ کارایی مدل­های استوکاستیک و شبکه­های عصبی مصنوعی در پیش­بینی کمّی شاخص بارندگی استاندارد شده (SPI) در اقلیم­های خشک و مرطوب ایران است. برای این امر، محاسبۀ SPI، در مقیاس­های زمانی سه‎ماهه، شش‎ماهه و دوازده‎ماهه در چهار ایستگاه سینوپتیک کشور طی دورۀ 200

مقایسه کارآمدی مدل های arima و arfima برای مدل سازی و پیش بینی شاخص قیمت تهران (tepix)

این مقاله به بررسی عملکرد پیش بینی مدل های arima و arfima با استفاده از داده های روزانه بازده شاخص کل سهام تهران در بازه زمانی 04/09/1380 تا 09/09/1390 می پردازد. در این راستا جهت تخمین پارامتر d و دیگر پارامترها، از روشnls در بسته نرم افزار oxmetric/pcgive استفاده شد و پس از مقا

مقایسه کارآمدی مدل های ARIMA و ARFIMA برای مدل سازی و پیش بینی شاخص قیمت تهران (TEPIX)

این مقاله به بررسی عملکرد پیش بینی مدل های ARIMA و ARFIMA با استفاده از داده‌های روزانه بازده شاخص کل سهام تهران در بازه زمانی 04/09/1380 تا 09/09/1390 می پردازد. در این راستا جهت تخمین پارامتر d و دیگر پارامترها، از روشNLS در بسته نرم‌افزار Oxmetric/pcgive استفاده شد و پس از مقا