@article { author = {montaseri, soheila and Moghadam Charkari, Nasrollah and Zare Mirakabad, Fatemeh}, title = {A genetic approach to accurately predict RNA secondary structure}, journal = {Cellular and Molecular Research (Iranian Journal of Biology)}, volume = {27}, number = {3}, pages = {428-437}, year = {2014}, publisher = {Iraninan Biology Society}, issn = {2383-2738}, eissn = {2383-2746}, doi = {27311}, abstract = {RNA molecule plays important and fundamental roles in many biological processes. In the most times, activities of RNAs are determined by their structures. In notice to complexity and costly of laboratory methods to predict RNAs structure, computational approaches are used. There are variety of algorithms to predict RNA secondary structure. In this paper, a genetic algorithm called RNAG is presented to predict the RNA secondary structure based on minimum free energy (MFE). In this algorithm, each individual of population includes some stems. The individuals are increasingly ranked based on fitness value of MFE from stems and loops, and in the follow, crossover and mutation operations are done on individuals to make a new population, respectively. Process of population generation continues until an individual with proper MFE is produced. Finally, this individual is selected as an optimal RNA secondary structure. The proposed algorithm is performed on some RNAs in the bacteria. Results of the paper show that RNAG algorithm has a high accuracy in comparison with the other related methods.}, keywords = {minimum free energy,stem,fitness value}, title_fa = {پیشگویی دقیق ساختار دوم RNA مبتنی بر الگوریتم ژنتیک}, abstract_fa = {مولکول RNA نقش مهم و اساسی در فرآیندهای زیستی ایفا می¬کند. در بیشتر مواقع، عملکرد RNAها توسط ساختار آنها مشخص می¬شود. با توجه به پیچیدگی و هزینه بر بودن روش¬های آزمایشگاهی برای پیشگویی ساختار RNAها، از روش¬های محاسباتی استفاده می¬گردد. الگوریتم¬های متنوعی جهت پیشگویی ساختار دوم مولکول RNA وجود دارد. در این مقاله، یک الگوریتم ژنتیک بنام RNAG جهت پیشگویی ساختار دوم مولکول RNA براساس حداقل انرژی آزاد ارائه می¬شود. در این الگوریتم، هر فرد از جمعیت شامل تعدادی ساقه می¬باشد. افراد براساس مقدار برازندگی حداقل انرژی آزاد شده از ساقه¬ها و حلقه¬ها به¬ترتیب صعودی رتبه¬بندی شده و در ادامه به¬ترتیب عملگرهای تقاطع و جهش روی آنها برای ایجاد نسل بعد اجرا می¬گردد. فرآیند تولید نسل تا زمان تولید یک فرد با حداقل انرژی آزاد مناسب ادامه می¬یابد. در پایان این فرد به¬عنوان ساختار دوم بهینه در نظر گرفته می¬شود. الگوریتم پیشنهادی روی تعدادی از RNAها در باکتری¬ها اجرا می¬گردد. نتایج حاصل از این تحقیق نشان می¬دهد که الگوریتم RNAG در مقایسه با سایر روش¬های مشابه دارای دقت بسیار بالا است.}, keywords_fa = {حداقل انرژی آزاد,ساقه,مقدار برازندگی}, url = {https://cell.ijbio.ir/article_436.html}, eprint = {https://cell.ijbio.ir/article_436_2a734b08b9ecab4bedfbee20083697f9.pdf} }