Search academic texts

Registration Number

0421U102916, Candidate dissertation

Title

Models and methods of reverse engineering of genetic regulatory networks based on hybrid immune systems

Author

Taif Mohamed Ali,

popup.head Lytvynenko Volodymyr Ivanovich
popup.opponent Hnatushenko Viktoriia Volodymyrivna
popup.opponent Gozhyj Aleksandr Petrovych

Status

Кандидат технічних наук, 05.13.06, Інформаційні технології

Date

14-05-2021

Description

Об'єкт дослідження - нелінійні нестаціонарні процеси в генних регуляторних мережах. Мета дослідження - підвищення ефективності процесу ідентифікації динамічних генних регуляторних мереж за рахунок розробки нових моделей, методів для розв’язання задачі побудови гібридних імунних систем. Методи дослідження: методи теорії ймовірностей і математичної статистики, теорії графів, еволюційних алгоритмів, системи нелінійних диференційних рівнянь, теорії нейронних мереж, теорії вейвлетів, методів проектування та реалізації інформаційних систем автоматизації наукових досліджень. Вперше розроблено гібридний метод реконструкції правої частини системи звичайних диференціальних рівнянь, який використовується для опису динаміки генних регуляторних мереж, де для обчислювальної моделі обрана вейвлет-нейронна мережа, яка навчається за допомогою алгоритму клональної селекції; метод трансформації, що дозволяє послідовно трансформувати простір рішень при реконструкції генних регуляторних мереж на основі даних часових рядів профілів експресії генів для пошуку взаємозв'язків між компонентами генних регуляторних мереж . Отримали подальший розвиток: процедура реконструкції генної регуляторної мережі завдяки використанню алгоритму клонального відбору та тригонометричної диференційної еволюції; індуктивні методи щільнісної кластеризації за рахунок об’єднання і використання двокрокових щільнісних алгоритмів, що дозволяє видаляти неінформативні гени при обробці даних мікрочіпів ДНК. Удосконалено методи гібридизації алгоритмів клонального відбору та диференційної еволюції при реконструкції генних регуляторних мереж. Запропонований підхід дозволяє збільшити збіжність і точність алгоритму оптимізації при розв'язанні задачі ідентифікації S-системи.