دانلود کتاب Algorithms in computational biology

ترجمه فارسی توضیحات (ترجمه ماشینی)

الگوریتم ها در زیست شناسی محاسباتی

در این پایان نامه ما به ساخت الگوریتم هایی می پردازیم که به مشکلات مربوط به بیولوژیکی می پردازند. این فعالیت بخشی از یک حوزه بین‌رشته‌ای گسترده‌تر به نام زیست‌شناسی محاسباتی یا بیوانفورماتیک است که بر استفاده از ظرفیت‌های رایانه‌ها برای کسب دانش از داده‌های بیولوژیکی تمرکز دارد. اکثر مشکلات در زیست شناسی محاسباتی مربوط به زیست شناسی مولکولی یا تکاملی است و بر تجزیه و تحلیل و مقایسه مواد ژنتیکی ارگانیسم ها تمرکز دارد. یکی از عوامل تعیین‌کننده در شکل‌دهی به حوزه زیست‌شناسی محاسباتی این است که DNA، RNA و پروتئین‌هایی که مسئول ذخیره و استفاده از مواد ژنتیکی در یک موجود زنده هستند، می‌توانند به‌عنوان رشته‌هایی بر روی الفبای ♀نیت توصیف شوند. تکنیک های مربوط به رشته ها برای تجزیه و تحلیل و مقایسه داده های بیولوژیکی. ما با ساختن و تجزیه و تحلیل الگوریتم‌هایی که به مشکلات مربوط به تجزیه و تحلیل توالی زیست‌شناسی و پیش‌بینی ساختار می‌پردازند، به حوزه زیست‌شناسی محاسباتی کمک می‌کنیم. ماده ژنتیکی موجودات با جهش‌های مجزا، برجسته‌ترین جانشین‌ها، درج و حذف نوکلئوتیدها تکامل می‌یابد. از آنجایی که ماده ژنتیکی در توالی‌های DNA ذخیره می‌شود و در توالی‌های RNA و پروتئین منعکس می‌شود، منطقی است که دو یا چند توالی بیولوژیکی را برای جستجوی شباهت‌ها و تفاوت‌هایی که می‌توان برای پی بردن به ارتباط این توالی‌ها مورد استفاده قرار داد، مقایسه کرد. در پایان نامه ما مشکل مقایسه دو توالی کد کننده DNA را در صورت در نظر گرفتن رابطه بین DNA و پروتئین ها در نظر می گیریم. ما این کار را با استفاده از مدلی انجام می دهیم که رویدادی را در DNA با تغییری که در پروتئین کدگذاری شده ایجاد می کند جریمه می کند. ما مدل را به تفصیل تجزیه و تحلیل می‌کنیم و یک الگوریتم تراز ایجاد می‌کنیم که با کاهش زمان اجرای آن توسط یک ضریب درجه دوم، الگوریتم بهترین هم‌ترازی موجود در مدل را بهبود می‌بخشد. این باعث می شود زمان اجرای الگوریتم تراز ما برابر با زمان اجرای الگوریتم های تراز بر اساس مدل های بسیار ساده تر باشد.

Algorithms in computational biology

In this thesis we are concerned with constructing algorithms that address problemsof biological relevance. This activity is part of a broader interdisciplinaryarea called computational biology, or bioinformatics, that focuses on utilizingthe capacities of computers to gain knowledge from biological data. Themajority of problems in computational biology relate to molecular or evolutionarybiology, and focus on analyzing and comparing the genetic material oforganisms. One deciding factor in shaping the area of computational biologyis that DNA, RNA and proteins that are responsible for storing and utilizingthe genetic material in an organism, can be described as strings over ♀nite alphabets.The string representation of biomolecules allows for a wide range ofalgorithmic techniques concerned with strings to be applied for analyzing andcomparing biological data. We contribute to the ♀eld of computational biologyby constructing and analyzing algorithms that address problems of relevance tobiological sequence analysis and structure prediction.The genetic material of organisms evolves by discrete mutations, most prominentlysubstitutions, insertions and deletions of nucleotides. Since the geneticmaterial is stored in DNA sequences and reflected in RNA and protein sequences,it makes sense to compare two or more biological sequences to lookfor similarities and di♂erences that can be used to infer the relatedness of thesequences. In the thesis we consider the problem of comparing two sequencesof coding DNA when the relationship between DNA and proteins is taken intoaccount. We do this by using a model that penalizes an event on the DNA bythe change it induces on the encoded protein. We analyze the model in detail,and construct an alignment algorithm that improves on the existing bestalignment algorithm in the model by reducing its running time by a quadraticfactor. This makes the running time of our alignment algorithm equal to therunning time of alignment algorithms based on much simpler models.