چکيده
با توجه به نياز نمونه برداري از رشته DNA انسان براي كشف اختلالات ژنتيكي و بسياري از بيماري¬ها در ابتدا سعي شده است به كمك روش¬هاي پردازش سيگنال نوكلئوتيدها و پايه هاي رشته شناسايي شود و با توجه به حساس بودن به پايه¬ها و خطاي اندازه گيري حاصل از آزمايش باعث نمونه برداري اشتباه از رشته مربوطه مي¬شد كه بروز مشكلاتي در تحقيقات و تشخيص بيماري¬ها در پي داشت به همين دليل از قانون بيزي با توجه به شرايط محيطي،طول قطعات، زمان اندازه گيري سعي در كاهش خطا در آزمايش شد. همچنين به علت تغيير فركانس و دوره تناوب شرايط اندازه¬گيري مجبور به طرح مجدد الگوريتم خواهيم بود كه به كمك روش¬هاي فيلتر وفقي سعي در حل اين مشكل و كاهش محاسبات داريم با توجه به نتايج حاصل از شبيه سازي و نمودارهاي حاصل از آن به مفيد بودن اين روش¬ها و بالا رفتن سرعت در همگرايي و افزايش دقت در نمونه¬برداري و به دنبال آن تشخيص ناحيه اگزون اشاره دارد. باتوجه به تحقيقات اخير رابطه¬اي بين بيماري¬ها و RNA ها وجود دارد كه با بررسي اين روابط و استفاده موثر از آن ميتوان كمك شاياني به اين راه داشت. در اين سمينار با كمك ماتريس غير منفي به دنبال يافتن راهي براي ارتباط برقرار كردن اين دو داريم . در اينجا از تقسيم بندي ماتريس غير منفي براي يافتن يك مدل محاسباتي پايين رتبه استفاده كرديم كه مي¬تواند اطلاعات مربوط به روابط بين بيماري¬ها و RNA را در يك ماتريس دو بعدي ارائه دهد و همچنين روش¬هايي براي خوشه بندي انواع بيماري¬ها ارائه شد تا بتوان به كمك آن تشخيص بيماري¬ها بهتر انجام شود. در مسئله فاكتورسازي ماتريسي، يك ماتريس داده را به يك محصول از دو ماتريس تقسيم مي كند كه اغلب، يك ضبط اطلاعات معنادار موجود در داده¬ها و ديگري چگونه اين اطلاعات براي توليد ماتريس داده تركيب شده است، مشخص مي كند. علاوه برآن به علت مشكل حاصل از تقسيم ماتريس در تخمين هاپلوتايپ كه يك مسئله NP-Hard است، سعي در ايجاد فرمول و روشي به كمك ماتريس مرتبه پايين پيشنهاد شده است.همگرايي الگوريتم پيشنهادي مورد تجزيه و تحليل قرار گرفته و عملكرد آن بر روي داده هاي مصنوعي و تجربي آزمايش شده است. نتايج به دست آمده نشان دهنده دقت و سرعت فوق العاده روش پيشنهاد شده در مقايسه با تكنيك هاي مونتاژ پيشرفته هاپلوتيپ است.
