• مقدمه (11)
  • پیش‌نیاز زیستی (13)
    • ژنوم (13)
    • دگره (13)
    • چندشکلی (13)
    • صفت خالص (14)
    • صفت ناخالص (14)
    • ژن‌مایه (14)
    • رخ‌مایه (15)
    • رونویسی و رونوشت (15)
    • رنا (16)
    • رنای پیام‌رسان (16)
    • میانه و بیانه (17)
    • پیرایش رنا (17)
    • پیرایش متغیر (18)
    • بیان ژن (19)
  • فناوری ریزآرایه (19)
    • فناوری ریزآرایه (19)
    • توالی‌یابی رنا (20)
  • تعریف مسئله (20)
  • اهمیت و کاربرد (20)
  • چالش‌ها (22)
  • دستاورد‌های پایان‌نامه (22)
  • ساختار پایان‌نامه (23)
• پژوهش‌های پیشین (25)
  • تحلیل‌های مبتنی بر شناسایی ژن‌مایه‌های موثر بر میزان بیان ژن‌ها (25)
    • تحلیل‌های مبتنی بر پیاده‌سازی روش‌های یادگیری ماشین بر داده‌های ژن‌مایه (32)
• راهکار پیشنهادی (37)
  • آماده‌سازی داده‌های اولیه (39)
  • تاثیر ژن‌مایه بر میزان بیان ژن با استفاده از تحلیل‌های آماری‌ (40)
  • مدل‌های پیشنهادی (42)
    • مدل اول - رگرسیون خطی (43)
    • مدل دوم - ماشین بردار پشتیبان (44)
    • مدل سوم - جنگل تصادفی (46)
    • مدل چهارم - الاستیک (47)
  • تعیین ضرایب اهمیت برای چندشکلی‌های تک نوکلئوتیدی (48)
  • استفاده از ضرایب اهمیت ژن‌مایه‌ها برای پیش‌بینی میزان بیان ژن (51)
  • تخمین میزان بیان ژن بر اساس ژن‌مایه‌های انتخابی (52)
  • جمع‌بندی (53)
• نتایج ارزیابی (55)
  • معرفی داده‌های مورد استفاده (55)
  • تحلیل آماری بر روی تاثیر ژن‌مایه بر میزان بیان ژن (55)
  • انتخاب مدل یادگیری ماشین مناسب برای تخمین میزان بیان ژن‌ (58)
  • اثبات مناسب بودن بازه انتخابی برای چندشکلی‌های تک نوکلئوتیدی موثر بر ژن (61)
  • بررسی تاثیر جمعیت در پیش‌بینی میزان بیان ژن (62)
  • مقایسه روش‌های مختلف تخصیص ضرایب اهمیت به ژن‌مایه‌ها (64)
  • تخصیص ضرایب اهمیت به ژن‌مایه‌ها به تفکیک جمعیت (67)
  • مقایسه با نتایج کارهای پیشین (67)
  • جمع‌بندی (72)
• جمع‌بندی و کارهای آتی (73)
• attachment1.pdf
  • 3959505aa7fe08971adeb807d526e5e3aeaca949899501ad8297fdf9887fc146.pdf (2)
• attachment4.pdf
  • b9c7d0f98d35aad5bd787dbfc40b0247813b5ea00254ae466228be6fc6737b1d.pdf (3)