پیش‌بینی مقاومت دارویی ویروس hiv با استفاده از ماشین‌های بردار پشتیبان

مقدمه: پژوهش حاضر با هدف بررسی عملکرد روش یادگیری ماشین‌های بردار پشتیبان برای پیش‌بینی مقاومت دارویی ویروس hiv) یا (human immunodeficiency virus استفاده از تحلیل دنباله‌ی آمینو اسیدها انجام گرفت.روش‌ها: در این مطالعه از ماشین‌های بردار پشتیبان استفاده شد؛ همچنین برای آموزش و آزمایش ماشین‌های بردار پشتیبان از نرم‌افزار libsvm) یا (library for support vector machinesاستفاده گردید.یافته‌ها: نتایج حاصل از مطالعه‌ی حاضر بر روی چهار روش بیولوژیکی که برای تفسیر نتایج تست‌های ژنوتیپی ارایه گردیده بود، بررسی شد. با مقایسه‌ی نتایج، بهترین روش بیولوژیکی برای هر دارو مشخص گردید. ماشین‌های بردار پشتیبان، به عنوان یک جداساز بسیار قوی برای تعیین مقاومت دارویی ویروس hiv با دقت 98.77-86.27 عمل می‌کند. با توجه به پارامترهای اندازه‌گیری شده، اعمال ماشین‌های بردار پشتیبان بر روی نتایج روش (hivdb) hiv rt and protease sequence database برای داروهای amprenavir (apv)، (nf) nelfinavir،abacavir abc)) ،azt) zidovudine)، (d4t) stavudine، ddi) didanosine)، (tdf) tenofovir disoproxil fumarate، delavirdine (dlv) و بر روی نتایج روش anrs) agence national de recherches le sida)، برای داروهای (idv) indinavir، 3tc) lamivudine)، tdf) tenofovir disoproxil fumarate)، efavirenz ((efv وnvp) nevirapine ) بهترین نتایج را داشته است. برای داروهای lpv) lopinavir) و azt) zidovudine) ماشین‌های بردار پشتیبان برای نتایج روش rega institute rega)) عملکرد خوبی ارایه نموده است و نیز برای داروهای idv، lpv، rtv) ritonavir)، (sqv) saquinavir و ddi ماشین‌های بردار پشتیبان برای روش visible genetics ((vgi عملکرد خوبی داشته است.نتیجه‌گیری: ماشین‌های بردار پشتیبان، به عنوان یک جداساز بسیار قوی برای تعیین مقاومت دارویی ویروس hiv عمل می‌کند. می‌توان هنگام استفاده از هر دارو برای درمان، قبل از شروع درمان ابتدا مقاومت دارویی را با استفاده از روش‌های یادگیری ماشین، تعیین کرد.

Predicting Human Immunodeficiency Virus Drug Resistance Using Support Vector Machines

<p><strong>Background:</strong> In this study, we tried to choose the proper material to use on a magnetic resonance imaging (MRI)compatible robot. The robot is to take soft tissue samples in an image guided process. Since this robot is made of MRIcompatible material, its links are invisible in the MR images. Finding such markers would enable us to distinguish the position of links in the images and as a result in the real world.</p><p><strong>Methods:</strong> Four materials compatible with magnetic environments, including liquid paraffin, nitroglycerin, vitamin E pills, and silicon oil, were tested to find the most appropriate one to be used as the marker. In addition to compatibility with MRI environment, the material had to have suitable contrast to avoid blurry images. The tests were performed in a Philips MRI system at 1 and 1.5 Tesla.</p><p><strong>Findings: </strong>Liquid paraffin, nitroglycerin, vitamin E pills, and silicon oil scored 50, 62.35, 45.6, and 53.15, respectively. Most of the evaluated factors were satisfied by nitroglycerin.</p><p><strong>Conclusion: </strong>After all tests and considerations, nitroglycerin was selected as the best material. </p>