Berbagai bidang, termasuk pertanian dan kesehatan, mengalami masalah klasifikasi citra yang dapat diatasi melalui beberapa metode. Salah satu metode tersebut menggabungkan convolutional neural ...networks (CNN) dengan deep learning, tetapi hyperparameter, seperti fungsi loss, fungsi aktivasi, dan optimizers, memengaruhi kinerjanya. Hyperparameter ini memerlukan pengoptimalan, dan metode yang ada, seperti algoritma genetika dan pengoptimalan ant colony, dapat digunakan untuk tujuan ini. Pengoptimalan ant colony terbukti efektif dalam mengoptimalkan deep learning, dan penelitian ini berkontribusi pada penyetelan otomatis berbagai hyperparameter menggunakan ant colony untuk klasifikasi gambar. Pada penelitian ini menggunakan dataset MNIST yang bertujuan untuk mengidentifikasi digit pada citra. Dataset yang digunakan terbagi menjadi 2, dataset pelatihan dan dataset validasi. Dataset pelatihan terdiri dari 33.600 gambar, dan dataset validasi terdiri dari 8.400 gambar. Hasil menunjukkan bahwa optimasi ant colony mencapai akurasi 97,46% dengan data validasi dan 99,69% dengan data pelatihan, yang mengungguli algoritma genetika dengan akurasi masing-masing 94,60% dan 97,59% dengan data validasi dan pelatihan. Selain itu, pengoptimalan ant colony membutuhkan waktu 27,94 detik untuk dilatih, sedangkan algoritme genetika membutuhkan 22,25 detik. Abstract Various fields, including agriculture and health, have encountered image classification problems that can be addressed through several methods. One such method combines convolutional neural networks (CNN) with deep learning, but hyperparameters, such as loss functions, activation functions, and optimizers, influence its performance. These hyperparameters require optimization, and existing methods, such as genetic algorithms and ant colony optimization, can be utilized for this purpose. Ant colony optimization has shown to be effective in optimizing deep learning, and this research contributes to automatic tuning of various hyperparameters using ant colonies for image classification. In this study using the MNIST dataset, which aims to identify the digits in the image. The dataset used is divided into 2, training dataset and validation dataset. The training dataset consists of 33,600 images, and the validation dataset consists of 8,400 images. The results indicate that ant colony optimization achieves an accuracy of 97.46% with validation data and 99.69% with training data, which outperforms genetic algorithms with an accuracy of 94.60% and 97.59% with validation and training data, respectively. Additionally, ant colony optimization takes 27.94 seconds to train, while the genetic algorithm requires 22.25 seconds.
Berbagai bidang, termasuk pertanian dan kesehatan, mengalami masalah klasifikasi citra yang dapat diatasi melalui beberapa metode. Salah satu metode tersebut menggabungkan convolutional neural networks (CNN) dengan deep learning, tetapi hyperparameter, seperti fungsi loss, fungsi aktivasi, dan optimizers, memengaruhi kinerjanya. Hyperparameter ini memerlukan pengoptimalan, dan metode yang ada, seperti algoritma genetika dan pengoptimalan ant colony, dapat digunakan untuk tujuan ini. Pengoptimalan ant colony terbukti efektif dalam mengoptimalkan deep learning, dan penelitian ini berkontribusi pada penyetelan otomatis berbagai hyperparameter menggunakan ant colony untuk klasifikasi gambar. Pada penelitian ini menggunakan dataset MNIST yang bertujuan untuk mengidentifikasi digit pada citra. Dataset yang digunakan terbagi menjadi 2, dataset pelatihan dan dataset validasi. Dataset pelatihan terdiri dari 33.600 gambar, dan dataset validasi terdiri dari 8.400 gambar. Hasil menunjukkan bahwa optimasi ant colony mencapai akurasi 97,46% dengan data validasi dan 99,69% dengan data pelatihan, yang mengungguli algoritma genetika dengan akurasi masing-masing 94,60% dan 97,59% dengan data validasi dan pelatihan. Selain itu, pengoptimalan ant colony membutuhkan waktu 27,94 detik untuk dilatih, sedangkan algoritme genetika membutuhkan 22,25 detik.
Some genetic causes of male infertility have been identified, but most remain unknown. In this study, 7 of 289 men with azoospermia (2.4%) harbored a mutation in
TEX11,
a gene expressed in the testes ...that is critical to chromosomal recombination.
Nearly half of all cases of male infertility are thought to be associated with genetic defects.
1
–
3
Up to 20% of infertile men receive a diagnosis of azoospermia.
3
Nonobstructive azoospermia is spermatogenic failure that is defined by the absence of spermatozoa in the seminal fluid.
1
,
4
Azoospermia is a heterogeneous condition with several histologic phenotypes.
5
The most severe form of azoospermia is the Sertoli-cell–only syndrome, which is defined as a complete absence of germ cells.
6
,
7
Azoospermia with meiotic arrest is a milder form of infertility with a cessation at the spermatocyte stage of germ-cell formation.
7
Both the Sertoli-cell–only syndrome . . .
Adipogeneza je kompleksen proces, na katerega vpliva veliko število genetskih in okoljskih faktorjev. Ker je posledica prekomernega nalaganja maščob debelost, pogosto pa tudi pojav diabetesa tipa 2, ...postaja proučevanje molekulskih osnov adipogeneze vse bolj pomembno tudi z vidika zdravja človeka. V živalski proizvodnji proces tvorbe maščobnega tkiva pomembno vpliva na kakovost prirasta, preko porabe krme pa na ekonomičnost proizvodnje. Poleg leptina in leptinskega receptorja, ki odločilno uravnavata nalaganje maščob, je bil v zadnjem času odkrit tudi mehanizem uravnavanja tvorbe maščobnega tkiva, ki vključuje adaptivno termogenezo in biosintezo mitohondrijev. Pomembna regulatorja teh procesov sta PPARg in njegov koaktivator PGC-1a. V pričujočem prispevku opisujemo mehanizem uravnavanja adipogeneze in vlogo PPARg in PGC-1a v njem. Prikazana je tudi medvrstna primerjava aminokislinskih zaporedij PGC-1a in možnosti za razvoj farmacevtskih učinkovin, ki bi vplivale na izražanje PGC-1a.
Izhodišča: Cirkadiani ritem se uravnava na centralni in celični ravni preko transkripcijsko-translacijskih povratnih zank, ki so natančno uravnavane. Vpliv na uravnavanje cirkadianega ritma imajo ...miRNA molekule, ki skupaj s proteinskimi kompleksi privedejo do utišanja prevajanja določenih celičnih proteinov. Kronična motnja v cirkadianem ritmu lahko privede do maligne transformacije celic. Hepatocelularni karcinom je eden najpogostejših vrst raka pri človeku, pri katerem še vedno ni pojasnjen vpliv različnih signalnih poti na karcinogenezo. Namen študije je bil ugotoviti vpliv transkripcijskih dejavnikov cirkadianega ritma in miRNA na izražanje mRNA in krožnih RNA iz istega genskega lokusa, tj. gena LDLR (LDL receptor).
Metode: Poskus smo izvedli na celičnih linijah Hep G2 in Huh7. Sprva smo v celice s postopkom transfekcije vnesli želene molekule (hsa-miR-17 in cirkadiane transkripcijske faktorje), s katerimi smo želeli vplivati na izražanje genov, ki so nas zanimali. Iz celic smo nato osamili RNA, ki smo jo nato prepisali v komplementarno DNA in izvedli qPCR (kvantitativno verižno reakcijo s polimerazo), na podlagi katere smo sklepali na raven izražanja želenih genov. Rezultate smo računalniško obdelali in jih grafično predstavili.
Rezultati: Z obdelavo rezultatov smo ugotovili, da nobene od treh hipotez nismo uspeli potrditi, saj pri nobenem rezultatu v stopnji izražanja želenih genov nismo ugotovili statistično pomembne razlike (α=0,05).
Zaključki: Kljub temu da sprememb v izražanju genov nismo uspeli potrditi, bi bilo raziskovano področje vredno nadaljnjih raziskav, ki bi trdneje prikazale povezavo. Osrediniti bi se morali na konkretne molekule, s čimer bi pridobili nove tarče za zdravljenje jetrnih bolezni, s katerimi bi izboljšali kakovost življenja bolnikov s HCC. Ugotovili bi lahko tudi nove dejavnike tveganja, na podlagi katerih bi lahko bolje ozaveščali prebivalstvo o preventivi, ki bi zmanjšala incidenco HCC.
Pemangku kebijakan moneter memiliki ketakutan terhadap inflasi karena dapat memicu naiknya angka kemiskinan dan melonjaknya penggunaan anggaran. Tingkat Inflasi yang tinggi akan mengakibatkan ...jatuhnya perekonomian suatu negara. Pengambilan kebijakan moneter perlu dikaji secara mendalam un-tuk mencegah hal tersebut. Salah satu upaya yang dapat dilakukan adalah dengan melakukan prediksi inflasi yang akan terjadi. Data tingkat inflasi dari waktu ke waktu merupakan modal untuk melakukan prediksi tingkat inflasi pada waktu mendatang. Suatu prediksi yang baik memiliki nilai error yang kecil. Pada prediksi menggunakan fuzzy artificial neural network (Fuzzy ANN) metode backpropagation, nilai error dapat diperkecil dengan melakukan optimasi pada bobot yang dihasilkan. Pada penelitian ini, op-timasi bobot Fuzzy AAN dilakukan menggunakan algoritma genetika. Model prediksi yang diperoleh se-lanjutnya dievaluasi menggunakan MAPE untuk menentukan keakuratan prediksi. Hasil penelitian menunjukkan bahwa prediksi menggunakan backpropagation neural network dioptimasi menggunakan algoritma genetika (10,33%) lebih baik dibandingkan dengan prediksi menggunakan backpropagation neural network saja (11,67%). Setelah mengetahui bahwa kedua model memiliki hasil prediksi yang cukup baik, keakuratan kedua model dibandingkan menggunakan independent sampe t-test berdasarakan error yang dihasilkan. Hasilnya menjukkan bahwa pada tingkat kepercayaan 95% prediksi menggunakan Fuzzy ANN yang telah dioptimasi menggunakan algoritma genetika (M= 0,69, SD= 0,0421) lebih baik secara signifikan dibandingkan degan fuzzy ANN saja (M= 0.97, SD= 0,04634 ), t(22 )= 1.71714, p=0.013.
The book is designed for graduate and advanced undergraduate students of biology and for other interested readers with the basic knowledge of general and molecular genetics. The text serves as the ...key to understanding the evolutionary process. It includes classical chapters aimed at origin, maintenance, and significance of genetic variation, as well as effects of different forces on the genetic structure of populations. Each chapter also includes practical examples showing how the theoretical concepts are applied to actual data along with some solved problems.
Kehadiran buku panduan praktikum memiliki urgensi yang tinggi pada perkuliahan biologi molekuler Drosophila melanogaster merupakan organisme model paling populer di bidang biologi namun ...pemanfaatannya di Indonesia masih jauh dari optimal. Tujuan penelitian ini adalah menganalisis kebutuhan terkait pentingnya kehadiran buku panduan penelitian biologi molekuler berbasis pemanfaatan D. melanogaster. Mahasiswa Biologi dari universitas di Malang dilibatkan sebagai respoden penelitian. Kuesioner digunakan sebagai instrumen pengumpulan data dalam penelitian ini. Analisis data menggunakan statistika deskriptif dan menggunakan perform assessment chart. Hasil penelitian menginformasikan mayoritas mahasiswa memiliki kompetensi meneliti yang rendah. Analisis perform assessment chart menghasilkan dua purpose statement, yaitu dibutuhkannya buku panduan yang dapat melatih mahasiswa merancang hingga melaporkan penelitian dan dibutuhkannya panduan penelitian genetika molekuler. Oleh karena itu, keberadaan buku panduan penelitian molekuler yang dapat memandu mahasiswa melakukan penelitian perlu dikembangkanKeywords: Drosophila melanogaster, Genetika molekuler, Inkuiri, Keterampilan meneliti, Lalat buah
Prispevek na pregleden način opisuje molekularnogenetske vidike preiskav človeške starodavne DNA in uporabo molekularnogenetskih metod za preučevanje DNA, pridobljene iz človeških arheoloških ...bioloških materialov. V arheoloških bioloških materialih so pogosto edini vir starodavne DNA skeletni ostanki (kosti in zobje), zato se bomo osredinili na ta tkiva. Iz pregledane literature bomo povzeli, kateri skeletni elementi so najprimernejši za preiskave starodavne DNA in kako iz njih pridobimo DNA. Prav tako bomo razložili naravo starodavne DNA in njeno ohranjenost. V arheoloških bioloških materialih je zelo malo DNA in je močno poškodovana. Zato se zlasti pri delu s starodavnimi človeškimi vzorci pojavijo težave, povezane s kontaminiranjem s sodobno DNA človeka. Za zmanjšanje tega tveganja je potrebno upoštevati več standardnih previdnostnih ukrepov in preverjati avtentičnost starodavne DNA. V prispevku bomo tem ukrepom namenili posebno pozornost. Opisali bomo genetske označevalce, ki jih v arheogenetiki najpogosteje preiskujemo, in prednosti novih, visoko zmogljivih tehnik sekvenciranja za razvoj in preučevanje starodavne DNA. Danes lahko z njimi preiskujemo bolj razgrajeno DNA in s tem starejše arheološke biološke materiale. Tako pridobivamo ogromne količine kakovostnih podatkov, ki zahtevajo vključevanje strokovnjakov na področju bioinformatike. Prispevek bomo zaključili s predstavitvijo preiskav starodavne DNA v Sloveniji.
PDF
