குறியிடப்பட்டது
  • அகாடமிக் ஜர்னல்ஸ் டேட்டாபேஸ்
  • ஜெ கேட் திறக்கவும்
  • ஜெனமிக்ஸ் ஜர்னல்சீக்
  • JournalTOCகள்
  • ஆராய்ச்சி பைபிள்
  • Ulrich's Periodicals Directory
  • எலக்ட்ரானிக் ஜர்னல்ஸ் லைப்ரரி
  • RefSeek
  • ஹம்டார்ட் பல்கலைக்கழகம்
  • EBSCO AZ
  • OCLC- WorldCat
  • அறிஞர்
  • SWB ஆன்லைன் பட்டியல்
  • உயிரியல் மெய்நிகர் நூலகம் (vifabio)
  • பப்ளான்கள்
  • MIAR
  • மருத்துவக் கல்வி மற்றும் ஆராய்ச்சிக்கான ஜெனீவா அறக்கட்டளை
  • யூரோ பப்
  • கூகுள் ஸ்காலர்
இந்தப் பக்கத்தைப் பகிரவும்
ஜர்னல் ஃப்ளையர்
Flyer image

சுருக்கம்

கேடிடி செயல்பாட்டில் ஊடாடும் நெட்வொர்க் ஆய்வு, கார்ன் பிஜிவைரஸின் மக்கள்தொகை மாறுபாடு பற்றிய ஆய்வில் பங்களிப்புகள்

மரியோ அலெஜான்ட்ரோ கார்சியா, மரியா டி லா பாஸ் கிமினெஸ் பெச்சி, ஜுவான் பாடிஸ்டா கப்ரால், அட்ரியன் நீட்டோ காஸ்டிலோ மற்றும் இர்மா கிரேசிலா லகுனா

ஒரே இனத்தைச் சேர்ந்த தனிநபர்களின் மரபணு மாறுபாட்டை அவர்களுக்கிடையேயான மரபணு தூரத்தைக் குறிக்கும் நெட்வொர்க்குகள் மூலம் ஆய்வு செய்யலாம். மால் டி ரியோ குவார்டோ வைரஸ் (எம்ஆர்சிவி) வழக்கை நாங்கள் ஆய்வு செய்தோம், வெவ்வேறு நபர்களின் மரபணு சுயவிவரங்களுக்கு இடையிலான தூர அளவை வரையறுத்து ஹாப்லோடைப்களின் வலையமைப்பை உருவாக்குகிறோம். நெட்வொர்க்கின் இடவியல் பண்புகள் பகுப்பாய்வு செய்யப்பட்டன, இது இரு பரிமாணங்களில் ஆய்வு செய்யப்பட்டு, விண்வெளி நேர சூழல்களை உருவாக்கியது. சோதனை செய்த முதல் பயிர் ஆண்டுகளில், ஹாப்லோடைப்களின் எண்ணிக்கையும் அவற்றுக்கிடையேயான தூரமும் அடுத்தடுத்த பயிர்களைக் காட்டிலும் அதிகமாக இருந்தது என்பதைக் கவனிப்பதற்கு வழிவகுத்தது. ஒவ்வொரு சுற்றுச்சூழலுக்கும் ஒரு மாறுபாடு காட்டி கணக்கிடப்பட்டு, அதன் எதிர்பார்க்கப்படும் மதிப்புடன் ஒப்பிடப்பட்டு, தேர்வின் போது மேற்கொள்ளப்பட்ட அவதானிப்புகளை உறுதிசெய்து, 1996-97 பயிர் ஆண்டில் தொற்றுநோய் ஏற்பட்ட பிறகு வைரஸ் மாறுபாடு குறைந்துள்ளது. ஹாப்லோடைப் நெட்வொர்க்குகள் மூலம் MRCV இன் மாறுபாடு பற்றிய பகுப்பாய்வு வழங்கப்படுகிறது. KDD செயல்முறைகளில் வழக்கத்திற்கு மாறான இந்தக் கருவியின் பயன்பாட்டை நாங்கள் முன்மொழிகிறோம், இது அறிவுப் பிரதிநிதித்துவம், கட்டமைக்கப்பட்ட தரவு மாதிரியாக்கம், காட்சிப்படுத்தல், ஆய்வு மற்றும் ஊடாடும் கண்டுபிடிப்பு ஆகியவற்றின் கருத்துகளை உள்ளடக்கிய புதிய அணுகுமுறையைக் கொண்டுவருகிறது.
KDD செயல்முறைக்கு இந்த வழக்கின் முக்கிய பங்களிப்பு நெட்வொர்க்குகளின் ஊடாடும் ஆய்வுக்கான முன்மொழிவாகும், இது உள்ளுணர்வு மற்றும் பகுப்பாய்வுக்கு விண்ணப்பிக்க எளிதானது.

மறுப்பு: இந்த சுருக்கமானது செயற்கை நுண்ணறிவு கருவ