مشخصات پژوهش

عنوان	تنظیم و کاربرد الگوریتم جنگل تصادفی در ارزیابی ژنومی
نوع پژوهش	مقاله چاپ‌شده در مجلات علمی
کلیدواژه‌ها	ارزیابی ژنومی، جنگل تصادفی، درخت، نشانگر تکنوکلئوتیدی، ارزشهای اصلاحی
چکیده	یکی از مباحث مهم در انتخاب ژنومی، استفاده از روشی مناسب برای برآورد اثر نشانگرها و ارزیابی ژنومی است. اخیراً روشهای یادگیری ماشین 1 که جزو روشهای ناپارامتری غیرخطی هستند وارد ارزیابی ژنومی شدهاند. یکی از این روشها الگوریتم جنگل تصادفی 2 است که این تحقیق روی نحوه تنظیم این روش متمرکز شده است. پارامترهای مهم در الگوریتم جنگل تصادفی به ترتیب اهمیت، تعداد متغیر انتخاب شده در هر گره درخت 3، تعداد درخت 4 و حداقل اندازه گرههای پایانی 5 میباشند که بهتر است برای آنها مقدار مناسبی تعیین شود و در اصطلاح مدل برای این پارامترها تنظیم 6 شود. ژنومی 5 کروموزومی متشکل از 10000 نشانگر تک نوکلئوتیدی دوآللی 7 هریک به طول یک مورگان شبیهسازی شد و در ادامه، کارایی ترکیبات مختلف از تعداد متغیر انتخاب شده در هر گره درخت، تعداد درخت و حداقل اندازه گرههای پایانی در قالب جمعیت شبیهسازی شده مورد آزمون قرار گرفته و بهترین ترکیب بر اساس پارامتر خطای خارج از کیسه 8 انتخاب و برای تجزیه و تحلیل اطلاعات مورد استفاده قرار گرفت. برای دادههای شبیهسازی شده در این مطالعه، کمترین مقدار خطای خارج از کیسه و همچنین حداکثر صحت پیشبینی ارزشهای اصلاحی ژنومی مربوط به مدلی با تعداد متغیر انتخاب در هر گره درخت برابر 6000 ، تعداد درخت برابر 1000 و حداقل اندازه گرههای پایانی برابر 5 بود. بقیه ترکیبات از این سه پارامتر نه تنها منجر به افزایش صحت پیشبینی نشدند بلکه در آنهایی که از تعداد بیشتری درخت استفاده شده بود، مدت زمان لازم برای انجام محاسبات نیز افزایش یافت. با توجه به اینکه صحت پیشبینی الگوریتم جنگل تصادفی تابعی از تعداد متغیر انتخاب شده در هر گره درخت، تعداد درخت و حداقل اندازه گرههای پایانی است، لازم است ترکیبات مختلفی از
پژوهشگران	فرهاد غفوری کسبی (نفر اول)، قدرت الله رحیمی میانجی (نفر دوم)، محمود هنرور (نفر سوم)، اردشیر نجاتی جوارمی (نفر چهارم)