کنفرانس بین المللی فناوری اطلاعات و دانش

English

صفحه اصلی / یازدهمین کنفرانس بین المللی فناوری اطلاعات و دانش

ParaKavosh: A Parallel Algorithm for Finding Biological Network Motifs

نویسندگان :

Zahra Razaghi Moghadam Kashani¹ Ali Masoudi-nejad² Abbas Nowzari-dalini³

1- موسسه ماکس پلانک 2- دانشگاه تهران 3- دانشگاه تهران

کلمات کلیدی :

Network Motifs, Bioinformatics, Parallel Algorithms

چکیده :

Biological networks have recently gathered much attraction in finding their motifs, which are small connected sub-graphs that occur significantly in higher frequencies than in random networks. They are useful concept to uncover structural design principles of complex networks. The importance of this problem causes attention of improving the existing algorithms. As the running time of an algorithm is an important aspect, applying parallel techniques is appropriate for better improvement. In this paper we present a parallel algorithm (ParaKavosh) for finding motifs. We evaluated our algorithm on biological networks of E. coli, S. cerevisiae, Homo sapiens and Rattus norvegicus. The optimality of our algorithm is demonstrated by comparing the obtained results with an efficient sequential algorithm. The results show that our algorithm performs much better in terms of running time.

لیست مقالات

لیست مقالات بایگانی شده

تخلیه‌ی باری وظایف اینترنت اشیاء بر روی مه محاسباتی با استفاده از الگوریتم حشره آبسوار

عفت تقی زاده بیلندی - آرش دلداری - علیرضا صالحان

Violence detection using one-dimensional convolutional networks

Narges Honarjoo - Ali Abdari - Dr Azadeh Mansouri

چارچوب پیش‌بینی خرابی تطبیقی مبتنی بر شبکه عصبی گراف پویا و GRU در سامانه‌های صنعتی IIoT

رسول اسماعیلی فرد - لیلا رنجبر

توسعه مدل مفهومی طراحی فرآیند مدیریت بحران سیلاب از طریق بهینه سازی استفاده از دستگاه های اینترنت اشیاء (IoT Devices) در تصمیم گیری

محمود رسولی - سید احسان ملیحی

A Comparative Evaluation of Machine Learning Models for Anomaly-Based IDS in IoT Networks

Seyed Amir Mousavi - Mostafa Sadeghi - Mohammad Sadeq Sirjani

TDO-SA-PINN: A Co-Evolutionary Framework for Physics-Informed Neural Networks

SeyedMohammadReza AhmadEnjavi - Masoud Shafiee

Robustness Gap in NLP Models for Vulnerability Descriptions: Benchmarking and Data Augmentation

AmirHossein Majd - Mahdi Yousefikia - Saghar Ghasemzadeh - Amirreza Asari - Arya Khoshnavataher - Seyedeh Leili Mirtaheri

Analysing effect of news polarity on stock market prediction: a machine learning approach

Golshid Ranjbaran - Dr Mohammad-Shahram Moin - Dr Sasan H Alizadeh - Dr Abbas Koochari

BMPA- DSL: Binary Marine Predators Algorithm to Identify Driver's Different Levels of Stress

Mahtab Vaezi - Mehdi Nasri - Farhad Azimifar - Mahdi Mosleh

Two Novel Designs of Efficient Single-Bit Comparators in QCA Technology with Ultra-Low Energy Dissipation

Shobeir Fayazi - Hatam Abdoli

بیشتر

ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 42.5.2