پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 127 |
| تعداد شمارهها | 7,196 |
| تعداد مقالات | 77,227 |
| تعداد مشاهده مقاله | 157,208,913 |
| تعداد دریافت فایل اصل مقاله | 118,400,391 |
مقایسه الگوریتمهای یادگیری ماشین برای شناسایی ژنهای مقاوم به آنتیبیوتیک (ARGs) در میکروبیوم خاکهای کشاورزی؛ مطالعه موردی در شرق آسیا | ||
| تحقیقات آب و خاک ایران | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 17 خرداد 1405 اصل مقاله (1.61 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijswr.2026.412755.670117 | ||
| نویسندگان | ||
| ریحانه سادات کشیک نویس رضوی1؛ الهام فراهانی* 2؛ حجت امامی3؛ نرگس عابدین زاده4؛ محمد عبدالهی5 | ||
| 1گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه فردوسی مشهد، مشهد، ایران | ||
| 2بخش تحقیقات پایش و بهسازی منابع خاک و آب، موسسه تحقیقات خاک و آب کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج ، ایران | ||
| 3گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه فردوسی مشهد، مشهد، ایران | ||
| 4گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه فردوسی مشهد، مشهد ، ایران | ||
| 5گروه کامپیوتر، سازمان جهاد دانشگاهی خراسان رضوی، مشهد، ایران | ||
| چکیده | ||
| با گسترش روزافزون مقاومت آنتیبیوتیکی، شناسایی دقیق و جامع ژنهای مقاومت آنتیبیوتیکی (ARGs) در محیطهای طبیعی بهویژه خاکهای کشاورزی، به یکی از دغدغههای مهم در حوزه سلامت عمومی و زیستمحیطی تبدیل شده است. در سالهای اخیر، بهرهگیری از الگوریتمهای یادگیری ماشین بهعنوان رویکردی نوین برای تحلیل دادههای پیچیده متاژنومیکی و بهبود شناسایی ARGs مورد توجه قرار گرفته است. در پژوهش حاضر، چهار الگوریتم یادگیری ماشین شامل جنگل تصادفی، تقویت گرادیانی، ماشین بردار پشتیبان و شبکه عصبی چند لایه با هدف شناسایی ژنهای مقاوم در میکروبیوم خاکهای کشاورزی دو کشور هند و چین مورد مقایسه قرار گرفتند. دادههای متاژنومیکی از پایگاه داده NCBI استخراج و توسط ابزار ARGs-OAP پردازش شدند. مجموعهای از ویژگیهای زیستی شامل محتوایGC ، فراوانی آمینواسیدها و کدونها استخراج گردید. تفاوت آماری میان ژنهای مقاوم و غیرمقاوم با آزمون Mann–Whitney بررسی شد و تنها ویژگیهای معنادار جهت آموزش مدلها انتخاب شدند. نتایج نشان داد که مدلها، بهویژه جنگل تصادفی (با دقت 98%)، قادر به شناسایی ژنهای مقاوم با عملکرد بالا حتی در شرایط دادههای نامتوازن و حجم آموزش محدود بودند. این یافتهها نشاندهنده کارایی بالای ویژگیهای زیستی منتخب و الگوریتمهای یادگیری ماشین در شناسایی ARGs در میکروبیوم خاکهای کشاورزی شرق آسیا است، و میتواند بهعنوان ابزاری کارآمد در سیاستگذاریهای زیستمحیطی و کنترل گسترش مقاومت آنتیبیوتیکی مورد استفاده قرار گیرد. | ||
| کلیدواژهها | ||
| ژنهای مقاوم؛ مقاومت آنتیبیوتیکی متاژنومیک؛ میکروبیوم خاک؛ یادگیری ماشین | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 31 تعداد دریافت فایل اصل مقاله: 34 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب