林文昌陳正剛臺灣大學：童國峰Tung, Kuo-FengKuo-FengTung2007-11-262018-06-292007-11-262018-06-292004http://ntur.lib.ntu.edu.tw//handle/246246/51228代理人程式由於具有自主性、可移動性、及分散式計算的能力，在最近幾年中相當受到歡迎，特別是在分散式系統的建構、資訊擷取以及智慧型專家系統等應用，皆有出色的表現。由於人類基因定序的完成，使得分子生物學家有機會藉由探索基因的弁鄏荍銗X疾病發生的可能原因。本篇論文建構了一個在行動代理人程式的技術之上的基因弁鈱鶬p性找尋系統，此系統提供一個平台，透過資料開採的方式，用來尋找弁鄔憐馱洵萓傢鶬p的基因序列。這是一個智慧型行動代理人系統，它以倒傳遞類神經網路模式的機制，作為資料開採的學習方式與資料找尋的決策模式，擁有彈性化與更具效率等優點。本論文的研究重點是以找尋基因弁鄋疑鶬p性的管理系統EasyGO為例，依系統化的分析設計方法來製作出一套以行動代理人為基礎的資料採擷應用系統，並且証實此法的可行性。Software agent has becoming popular in recent years due to its autonomous, mobile, and distributed computation abilities. Agent can negotiate to each other in common platform or in internet. They have been successfully used in distributed applications, information retrieval and intelligent expert systems. Human genomic sequence has just been fully determined as well as other species’ sequences. Many novel genes predicted require functional annotation in order to examine their linkages with diseases. It is essential to determine the functions in these new genes. This thesis presents the design and implementation of a novel data mining system whose primary purpose is to support the discovery of functions associated with unknown gene sequences. The system is based on the mobile agent technology, which uses the Back-Propagation Neural Network for the data mining basis. This system can assist biologists to interrogate the putative functions of unknown sequence more effectively. I have constructed a gene function mining system EasyGO based on this platform.第一章 緒論 1 1.1 研究動機 3 1.1.1 人類基因定序完成 3 1.1.2 疾病的診斷與基因治療 5 1.2 研究目的 6 1.2.1建構整合型跨物種資料庫 6 1.2.2透過資料開採找尋跨物種的相關性 7 1.3 研究方法 8 第二章 文獻探討 9 2.1 分子生物學 9 2.1.1 分子生物學的中心法則 9 2.1.2 DNA的複製與轉錄 10 2.1.3 mRNA的轉譯與蛋白質序列 13 2.1.4 DNA與蛋白質結構的序列化 16 2.2 人類基因組解碼計劃 18 2.3 知識發現 20 2.4 資料開採 21 2.5 類神經網路 22 2.5.1 典型類神經網路模型 25 2.5.2 倒傳遞網路 27 2.6 代理人 29 2.6.1 軟體代理人 30 2.6.2 智慧型軟體代理人 31 2.6.3 行動代理人 33 2.6.4 多重代理人系統 34 2.6.5 代理人系統架構 35 2.6.6 行動代理人平台 36 第三章 EasyGO系統演算法 39 3.1 倒傳遞網路 39 3.1.1 類神經網路的建構方式 39 3.1.2 倒傳遞網路的學習方式 40 3.1.3 倒傳遞網路的演算法 41 3.2 倒傳遞網路預測模型 43 3.2.1 決定網路特徵值 43 3.2.2 取得網路訓練、測試、及驗證範例 44 3.2.3 建立和訓練網路模型 46 第四章 系統架構分析 57 4.1 EasyGO資料庫 57 4.1.1 Gene Ontology 57 4.1.2 GeneBank 59 4.2 BLAST 59 4.3 EasyGO系統架構 61 4.3.1 EasyGO系統架構 62 4.4 EGAS系統架構 64 4.4.1 EGAS系統架構流程 64 第五章 EasyGO系統實作介紹 67 5.1 EasyGO系統 67 第六章 結論與未來展望 77 參考文獻 79 附錄一 EGAS agents程式碼 811622092 bytesapplication/pdfen-US資料開採倒傳遞網路基因序列軟體代理人BPNdata miningsoftware agentgene sequence[SDGs]SDG3thesishttp://ntur.lib.ntu.edu.tw/bitstream/246246/51228/1/ntu-93-R88546017-1.pdf