الفهرس 
AbstractOnly 14 pages are availabe for public view
 |  | from | 122 |  |  |
| | | from | 122 | | |
Abstract
نظرا لاهميتها فى توقع التركيب الكيميائى للبروتينات فى بعدها الثنائى والثلاثى، وتحديد الوظيفة لعدد من البروتينات المجهولة الوظيفة، وتصنيع الأدوية والعقاقير، فإن عملية المحاذاة للعديد من التسلسلات البروتينية يعتبر من اهم مجالات المعلوماتية الحيوية. عند عمل محاذاة باستخدام الطرق التقدمية القياسية، فإنه إذا حدث خطأ فى بداية عملية المحاذاة (كأن توضع الثغرات فى مكان خاطئ)، فإن هذه الثغرات لا يمكن إعادة تصحيح مكانها. بالنسبة للطرق التقدمية المبنية على الثبات فإنها تصل لنتيجة محاذاة أفضل من سابقتها ولكن تحتاج إلى حسابات كتيرة ومعقدة بخلاف الطرق التقدمية، فإن الطرق الحسابية الذكية أبسط فى التطبيق وتحتاج إلى عدد أقل من الحسابات، ولا تعطى أولوية لأحد السلاسل على الآخرى. خوازمية سرب الجسيمات نجحت فى عمل محاذاة لمتسلسلات قصيرة ولكن مع زيادة طول المتسلسلات فإن خوارزمية سرب االجسيمات تصل فقط الى نتيجة امثلية محلية . يمكن حصر هذا السبب فى نقطتين: 1- يوجد تناسب طردى بين زيادة طول المتسلسلة وعدد النقاط المثلى المحلية التى تتواجد فى فراغ البحث. 2- الوصول للمحاذاة المثلى فقد تحتاج بعض المتسلسلات الى عدد من الثغرات تضاف للمتسلسلة يصل عددها إلى خمس (20%) من طول أطول متسلسلة فى المتسلسلات المراد عمل المحاذاة لها. وبالنسبة لبعض المتسلسلات التى لا تحتاج إلا لعدد قليل من الثغرات للوصول إلى نتيجة المحاذاة المثلى فإن إدخال ثغرات إضافية يزيد من عدد الحلول المثلى المحلية و يؤدى لزيادة الحمل على خوارزمية سرب الجسيمات. فى هذة الرسالة، قدمنا حلين لهذه المشكلة: 1- تم تعليم الشبكة العصبية لتقدر على إعطاء الطول الأمثل لعملية المحاذاة. تم تعليم واختبارهذه الشبكة باستخدام 82 مجموعة من المتسلسلات القياسية من ( Balibase_ver2 reference1). وقد استطاعت الشبكة أن تقلل احتمال مجال البحث من ان يكون خلال 20% من أطول متسلسلة فى المجموعة إلى 9% فقط وذلك بكفاءة وصلت إلى 90%.2- تم تقسيم المتسلسلات الطويلة الى عدد من المتسلسلات القصيرة. ومن ثم استخدام خوارزمية سرب الجسيمات- على مرحلتين لإيجاد المحاذاة المثلى لكل متسلسلة قصيرة مقسمة. بمقارنة هذا الحل المقترح (FTLPSO) مع 5 طرق أخرى فقد تبين ان هذه الطريقة حققت نتائج افضل من غيرها من حيث دقة النتائج.