AU - رحیم ملک شاهی, AU - علیرضا مهری دهنوی, AU - مجید بیگی, AU - معراج پورحسین, TI - PT - JOURNAL ARTICLE TA - MGJ JN - MGJ VO - 2 VI - 1 IP - 1 4099 - http://mg.genetics.ir/article-1-1284-fa.html 4100 - http://mg.genetics.ir/article-1-1284-fa.pdf SO - MGJ 1 AB  - در این تحقیق، یک سامانه کاملا اتوماتیک Gene finder که به صورت خودآموز عمل می کند، معرفی می شود. این سامانه که خواص آماری ژن ها را تخمین می زند، بر اساس الگوریتم (Hidden Markov Model) HMM، به صورت اتوماتیک محل دقیق ژن ها را در ژنوم های پروکاریوتی مشخص می کند. الگوریتم های پیشنهادی در سه برنامه مجزا به زبان C++ رمز شده و بر روی ژنوم E. coli آزمایش شده اند. برنامه اول جهت استخراج اطلاعات لازم (ORF های بلند غیر همپوشان) برای تعلیم الگوریتم یادگیری ماشینی به صورت خودآموز (train- self) ارایه شده است. در برنامه دوم، از اطلاعات بدست آمده در مرحله قبل، برای تعلیم الگوریتم HMM طراحی شده، به عنوان اگوریتم یادگیری ماشینی در سامانه Gene finder استفاده شده است که دارای یک ساختار حلقه باز است،. در برنامه آخر، الگوریتم HMM تعلیم داده شده، ژن ها را بر اساس طول و نمره ORF بلند، در RF مربوطه انتخاب می کند. آخرین مرحله در طراحی نرم افزار، به رفع مساله همپوشانی در بین ژن های انتخاب شده، اختصاص داده شده است. نرم افزار طراحی شده که دارای عملکردی به صورت اختصاصی بوده (Specificity (SP=TP/(TP+ FP)) Sp و حساسیت (Sensitivity (Sn=TP/(TP+FN)) Sn به ترتیب برابر با 96.45 و 84.38 است، جایگاه مناسبی در بین نرم افزارهای مشابه دارد. CP - IRAN IN - LG - eng PB - MGJ PG - 0 PT - YR - 2007