فایل هلپ

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

فایل هلپ

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

مقاله در مورد ترجمه دیابت فعال کردن جهش‌ها در ژنی که kir6 2 زیر گروه مسیر ـ پتاسیم حساس به ATP 18 ص

اختصاصی از فایل هلپ مقاله در مورد ترجمه دیابت فعال کردن جهش‌ها در ژنی که kir6 2 زیر گروه مسیر ـ پتاسیم حساس به ATP 18 ص دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 26

 

فعال کردن جهش‌ها در ژنی که kir6.2 زیر گروه مسیر ـ پتاسیم حساس به ATP و دیابت دوره‌ی نوزادی را کدگذاری می‌کند و به رمز درمی‌آورد

چکیده

پیشینه تحقیق

بیماران دیابتی دوره نوزادی معمولاً در 3 ماهه اول زندگی دارای چنین عارضه‌ای می‌شوند و نیازمند به درمان اسنولین دارند. در بیشترم موارد، دلیل ناشناخته‌ای می‌باشد. از آنجا که مسیرهای پتاسیم حساس به ATP (kATP) در میان ترشح انسولین تحریک شده بوسیله گلوکز از طریق سلول‌های بتای وابسته به لوزالمعده قرار دارد، ما فرض می‌کنیم که فعال کردن جهش‌ها در ژنی که زیرگوره kir6.2 این مسیر را کدگذاری می‌کند، باعث دیابت‌های دوره‌ی نوزادی می‌شود.

مواد و روش‌ها

ما ژن kCNJII را در 29 بیمار با دیابت‌های دوره‌ی نوزادی ثابت و دائمی ترتیب دادیم. عکس‌العمل تراوش انسولین نسبت به گلوکاکن سیاهرگی، گلوکز و تولبوتامید در بیمارها و بیمارانی ارزیابی شده که دارای جهش‌هایی در ژن بودند.

نتایج

شش جهش دوتخمکی جدید در 10 نفر از این 29 بیمار مشخص شد. در دو بیمار دیابت از نوع خانوادگی بود و در 8 نفر دیگر دیابت از جهش‌های خود به خودی بوجود آمد. دیابت‌های دوره‌ی نوزادیشان بوسیله کتواسیداسیس مشخص شد یا اینکه بوسیله افزایش در قند خون مشخص شد و سپس با انسولین درمان شد. بیماران انسولین را در عکس‌العمل نسبت به گلوکز یا گلوکاگون ترشح نکردند، اما در عکس‌العمل نسبت به تولبوتامین انسولین ترشح کردند. 4 نفر از بیماران همچنین دارای تاخیر پیشرفتی وضعیت ماهیچه‌ای بودند، 3 نفر از آنها صرع داشتند و دارای ویژگی‌های کژریخت خفیف بودند. زمانی که معمولترین جهش‌ها در kir6.2 با دریافت کننده‌ی سولفونیلوریای 1 در اووسیت‌ها Xenopus laevis نشان داده می‌شود، توانایی ATP برای سد کردن مسیرهای kATP جهش یافته به طور زیاد کاهش پیدا می‌کند.

نتیجه‌گیری

جهش‌های فعال کننده هتروزیگوت در ژن کدگذار kir6.2 باعث دیابت دوره‌ی نوزادی دائمی می‌شود و همچنین ممکن است با تاخیر پیشرفتی، ضعف ماهیچه‌ها و بیماری صرع همراه باشد. تعیین دلایل ژنتیکی دیابت‌های دوره‌ی نوزادی همیشتی و دائمی ممکن است درمان این بیماران را با سولفونی لوریا آسان کند. دیابت‌های دوره‌ی نوزادی ممکن است به عنوان افزایش قند خون نیاز به انسولین تعریف شود که در سه ماهه اول دوره زندگی تشخیص داده می‌شود. این ممکن است موقتی باشد (در مانگین 3 ماه از بین می‌رود) یا اینکه ممکن است دائمی باشد که نیازمند درمان با انسولین در طول زندگی باشد. پیشرفت اساسی در فهم ما از دیابت‌های دوره‌ی نوزادی موقت می‌باشد که بیشتر موارد آن قابل استناد به یک ناهنجاری‌ در مناطق نقش‌پذیر کروموزوم 6 می‌باشد. در بیشتر بیماران، دلیل دیابت نوزادی دائمی ناشناخته می‌باشد. جهش‌های هتروزیگوت ترکیبی و هموزیگوت در ژن کدگذار گلوکوگیناز برای موارد معدودی تخمین زده می‌شود.

ژن‌ها برای وضعیت‌های چند سیستمی و نادر که شامل دیابت‌های نوزادی می‌شود، شناخته و تعیین شده است. مسیرهای پتاسیم حساس به ATP (kATP) نقش مرکزی در ترشح انسولین متحرک شده بوسیله گلوکز از سلول‌های بتای وابسته به لوزالمعده بازی می‌کند. ترشح انسولین بوسیله بسته شدن کانال‌ها شروع می‌شود و بوسیله‌ی باز شدنشان منع می‌شود (شکل 1). مسرهای kATP سلول بتا پیچیدگی اکتامتریک را شکل‌گیری منفذی اصلاح کردن سولفونی لوریا تنظیمی زیرواحدهای کانال پتاسیم باطناً و 4 زیرواحد دریافت کنند می‌باشد (SUR1). در دوره‌ی kir6.2 و SUR1 برای تنظیم متابولیکی صحیح کانال و مسیر موردنیاز می‌باشد. ATP کانال و مسیر را به وسیله اتصال به kir6.2 می‌بندد و نوکلئوتیدهای منیزیم (Mg-ATP, Mg-ADP) فعالیت مسیر را بوسیله فعل و انعال داخلی با SUR1 تحریک می‌کند. سولفونی لوریا ترشح انسولین را در دیابت نوع 2 بوسیله اتصال به SUR1 و بوسیله بستن کانال و مسیرهای kATP بوسیله یک مکانیزم غیر مستقل از ATP تحریک می‌کند.

ما فرض می‌کنیم که فعال کردن جهش در ژن کدگذار زیرواحد kir6.2 مسیر kATP سلول بتا (kCNJII) باعث دیابت‌های بوجود آمده از پدر و مادر می‌شود، زیرا غیرفعال کردن جهش‌ها در این ژن منجر به ترشح انسولین کنترل نشده و ازدیاد انسولین مادرزادی می‌شود. فنوتیپ‌های مقایسه‌ای دیابت‌های دوران نوزادی دائمی و ازدیاد انسولین با فعال و غیرفعال کردن جهش‌ها به ترتیب از ژن کدگذار گلوکوکیناز دیده می‌شود. حمایت قوی از این نظریه و فرضیه به خاطر مشاهده‌ای می‌باشد که از موش‌های مهندس ژنتیک شده (ترانسژنیک) با مسیرهای kATP سلول بتا به دست آمده است که این دارای دیابت های دوره‌ی نوزادی عمیق می‌باشد. بنابراین ما فرض ژن کدگذار kir6.2را در بیمارانی که دارای دیابت‌های دوره‌ی نوزادی دائمی بودند یا در دیابت‌های بلوغی توارثی نوجوانان (MODY)، توالی دادیم.

بیماران

ما DNAی 29 پروباند را به دیابت‌های دوره نوزادی دائمی، از جمله بین‌المللی برای مجموعه دیابت‌های نادر نوجوانان و کودکان (ISPAD)، توالی دادیم. بیماران در مجموعه برای مطالعه بین سپتامبر 2001 و اکتبر 2003 ثبت شدند. بیماران با ناهنجاری‌هایی در کروموزوم G24 جهش‌هایی در ژن


دانلود با لینک مستقیم


مقاله در مورد ترجمه دیابت فعال کردن جهش‌ها در ژنی که kir6 2 زیر گروه مسیر ـ پتاسیم حساس به ATP 18 ص

دانلود فایل ورد Word مقاله استنتاج شبکه های تنظیمات ژنی از روی داده های سری زمانی Microarray به وسیله شبکه های بیزین دینامیک

اختصاصی از فایل هلپ دانلود فایل ورد Word مقاله استنتاج شبکه های تنظیمات ژنی از روی داده های سری زمانی Microarray به وسیله شبکه های بیزین دینامیک دانلود با لینک مستقیم و پر سرعت .

دانلود فایل ورد Word مقاله استنتاج شبکه های تنظیمات ژنی از روی داده های سری زمانی Microarray به وسیله شبکه های بیزین دینامیک


دانلود فایل ورد Word مقاله استنتاج شبکه های تنظیمات ژنی از روی داده های سری زمانی Microarray به وسیله شبکه های بیزین دینامیک

گرایش : هوش مصنوعی

عنوان : استنتاج شبکه های تنظیمات ژنی از روی داده های سری زمانی Microarray به وسیله شبکه های بیزین دینامیک

تعداد صفحات : 92

چکیده

شبکه های تنظیم کننده ژنتیکی مجموعه ای از ارتباطات ژن-ژن هستند که رابطه علت و معلولی را در فعالیت های ژنی ایجاد می کنند. دانش ما در مورد این شبکه ها نقش بسیار موثری در شناخت فرآیندهای زیستی ایفا می کند و می تواند باعث کشف روش های جدید برای درمان بیماری های پیچیده و تولید داروهای اثر گذار گردد.

روش های زیادی برای تشخیص شبکه های تنظیم کننده ژنتیکی پیشنهاد شده است. در این میان، شبکه های بیزین دینامیک مزایای ویژه ای دارا می باشند که باعث شده تا توجه زیادی را به خود جلب کنند.

با وجود تحقیقات انجام شده در این زمینه، مهندسی معکوس شبکه های تنظیم کننده ژن به وسیله شبکه های بیزین دینامیک به هیچ عنوان امری بدیهی نیست. غالباً تعداد نمونه های موجود برای آموزش مدل از تعداد مجهولات مسئله بسیار کمتر است. همچنین میزان پیچیدگی زیاد این مدل ها و دقت آنها از مهم ترین نواقص آن ها می باشند.

یکی از عمده ترین روش هایی که برای بالا بردن دقت شبکه های استنتاج شده به کار گرفته می شود استفاده از دانش اولیه در مورد شبکه های تنظیم کننده ژنی است. یکی از منابع عمده این دانش اولیه اطلاعات ما در مورد ساختار کلی شبکه های تنظیم کننده ژنی است. تحقیقات انجام شده نشان می دهند که تعداد یال های موجود در این شبکه ها کم است. همچنین شواهد بسیاری بدست آمده اند که نشان می دهند توزیع درجه خروجی در شبکه های تنظیم ژنی از قانون توانی پیروی می کنند. در واقع این شبکه ها در درجه خروجی scale-free هستند.

علیرغم این شواهد، روش های یادگیری شبکه های بیزین دینامیک این گونه شبکه ها را شبکه هایی با ساختار تصادفی در نظر می گیرند و یا تنها پیچیدگی شبکه را کنترل می کنند.

در این تحقیق روشی برای یاد گیری شبکه های بیزین دینامیک ارائه می شود که به طور مشخص بر این فرض شکل گرفته که شبکه واقعی ساختاری scale-free در توزیع درجه خروجی دارد. روش ارائه شده پیچیدگی زمانی چند جمله ای دارد و می تواند برای استنتاج شبکه هایی با تعداد گره های زیاد مورد استفاده قرار گیرد.

آزمایش هایی که برای مقایسه توانایی الگوریتم ارائه شده با متدهای قبلی یادگیری شبکه انجام شده اند نشان می دهند که الگوریتم ارائه شده، زمانی که برای استنتاج شبکه هایی استفاده می شود که scale-free هستند، قادر است کیفیت شبکه استنتاج شده را به خصوص زمانی که داده های آموزشی ناکافی هستند به صورت قابل توجهی افزایش دهد.

 

فهرست مطالب:

فصل اول: مقدمه                                                                    

  • ضرورت انجام کار
  • نگاه کلی به فصول رساله

 

فصل دوم: پیشینه تحقیق                                                          

2-1- مقدمه                                                                                         

2-2- مقدمات زیستی                                                                              

2-2-1- ژن                                                                                  

2-2-2- بیان ژن                                                                           

2-2-3- شبکه های تنظیم کننده ژنی                                                  

2-3- روش های یاد گیری شبکه های تنظیم کننده ژنی                                    

2-3-1- روش های مبتنی بر خوشه بندی                                              

2-3-2- روش های مبتنی بر رگرسیون                                                 

2-3-3- روش های مبتنی بر اطلاعات متقابل                                          

2-3-4- روش های تابعی                                                                 

2-3-5- روش های مبتنی بر تئوری سیستم                                           

2-3-6- روش های بیزین                                                                 

 فصل سوم: روش پیشنهادی

3-1- مقدمه

3-2- شبکه های بیزین دینامیک

3-3- یادگیری شبکه های بیزین دینامیک

3-3-1- روش های امتیازدهی بیزین

3-3-1-1- امتیازدهی به روش K2

3-3-1-2- امتیازدهی به روش BDe

3-3-2- روش های امتیازدهی بر اساس تئوری اطلاعات                              

3-3-2-1- امتیازدهی به روش log-likelihood (LL)                     
3-3-2-2- امتیازدهی به روش BIC                                            

3-3-2-3- امتیازدهی به روش AIC                                            
3-3-2-4- امتیازدهی به روش MIT                                           
3-3-3پیچیدگی زمانی یادگیری شبکه های بیزین دینامیک                        

3-4- شبکه های تصادفی و شبکه های Scale-free                                        

3-5- روش پیشنهادی                                                                            

 

فصل چهارم: نتایج تجربی                                                        

4-1- مقدمه                                                                                       

4-2- روش های تولید شبکه های Scale-free                                              
4-3- روش های سنجش دقت برای شبکه های استنتاج شده                               

4-4- آزمایش اول: استفاده از روش جستجوی کامل                                          

4-5- آزمایش دوم: نگاهی دقیق تر به عملکرد روش ارائه شده                              

4-6- آزمایش سوم: استفاده از جستجوی حریصانه                                            

4-7- آزمایش چهارم: بازیابی قسمتی از شبکه تنظیمات ژنی در Yeast                   

4-8- آزمایش پنجم: : عملکرد روش ارائه شده در بازیابی شبکه های تصادفی             

 

فصل پنجم: جمع بندی                                                           

5-1- نتیجه گیری                                                                                

5-2- پیشنهاد برای کارهای آتی                                                                 

 

منابع تحقیق                                                                                       

چکیده به زبان انگلیسی 

 

پروژه دارای فهرست جداول و اشکال می باشد

 


دانلود با لینک مستقیم


دانلود فایل ورد Word مقاله استنتاج شبکه های تنظیمات ژنی از روی داده های سری زمانی Microarray به وسیله شبکه های بیزین دینامیک