fa برآورد میزان تولید پروتئین A نوترکیب خارج سلولی از باکتری Escherichia coli BL21 با استفاده از روش رگرسیون کمترین مربعات فازی هیبریدی آمار زیستی biostatistics پژوهشي Research <strong><em><span style="font-family:b mitra;"><span style="font-size:10.0pt;">مقدمه:</span></span></em></strong> <span style="font-family:b mitra;"><span style="font-size:10.0pt;">ایمیون پروتئین</span></span><span dir="LTR"><span style="font-family:times new roman,serif;"><span style="font-size:10.0pt;"> A </span></span></span><span style="font-family:b mitra;"><span style="font-size:10.0pt;">یک مولفه با طیف وسیعی از کاربردهای بیوشمیایی، بیوتکنولوژی و پزشکی است</span></span><span dir="LTR"><span style="font-family:times new roman,serif;"><span style="font-size:10.0pt;">.</span></span></span><span style="font-family:b mitra;"><span style="font-size:10.0pt;"> ژن کدکننده این پروتئین از باکتری استافیلوکوکوس اورئوس استخراج و در باکتری اشریشیاکلی کلون و بیان شد. جهت بهینه سازی شرایط بیان به منظور سنجش دقت آزمایش و تضمین صحت کار در آزمایشات بعد، کاهش هزینه و جلوگیری از روش های آزمون و خطا و دستیابی به بیشترین میزان تولید، از روش های آماری مناسب استفاده می شود. </span></span><br> <strong><em><span style="font-family:b mitra;"><span style="font-size:10.0pt;">مواد و روش ها:</span></span></em></strong> <span style="font-family:b mitra;"><span style="font-size:10.0pt;">روش رگرسیون آماری معمولی بر پایه فرض دقیق بودن متغیرهای مورد مطالعه و مشاهدات مربوط به آن ها استوار بوده و در نهایت روابط بین متغیرها نیز به طور دقیق مشخص می شود. در مدل سازی طبیعی مانند برآورد میزان پروتئین، عموماً ممکن است با مشاهدات نادقیق و با روابط مبهم روبرو شویم، بنا بر این استفاده از روش های رگرسیون که قادر به تبیین ساختار مبهم میزان پروتئین و در اختیار نهادن الگوهایی که منطبق با واقعیت هستند، ضروری می باشد. در این مقاله از روش رگرسیون فازی هیبریدی با کمترین مربعات که مبتنی بر&nbsp; نظریه مجموعه های فازی می باشد استفاده شد.</span></span><br> <strong><em><span style="font-family:b mitra;"><span style="font-size:10.0pt;">یافته های پژوهش:</span></span></em></strong> <span style="font-family:b mitra;"><span style="font-size:10.0pt;">مقدار برآورد شده پروتئین </span></span><span dir="LTR"><span style="font-family:times new roman,serif;"><span style="font-size:10.0pt;">A</span></span></span><span style="font-family:b mitra;"><span style="font-size:10.0pt;"> با اطمینان ۹۰ درصد صحیح محاسبه شده و از طرفی با توجه به این که روش مورد استفاده در این مقاله روش رگرسیون فازی هیبریدی با کمترین مربعات خطا(برآورد با کمترین مربعات خطا) می باشد لذا اگر تمامی داده های مورد استفاده در این مقاله اعداد ترد(غیر فازی) باشند نتایج حاصل از رگرسیون فازی هیبریدی مشابه رگرسیون معمولی است.</span></span><span dir="LTR"><span style="font-family:times new roman,serif;"><span style="font-size:10.0pt;"></span></span></span><br> <strong><em><span style="font-family:b mitra;"><span style="font-size:10.0pt;">بحث و نتیجه گیری:</span></span></em></strong> <span style="font-family:b mitra;"><span style="font-size:10.0pt;">یکی از مزایای رگرسیون فازی هیبریدی این است که نسبت به برآورد نقطه ای دارای سطح اطمینان بالاتری می باشد. در این مطالعه انحراف معیار داده های برآورد شده به روش رگرسیون فازی هیبریدی کمتر از روش رگرسیون معمولی بود که می توان نتیجه گرفت که روش رگرسیون فازی هیبریدی روش بهینه ای جهت برآورد میزان تولید این نوع پروتئین است.</span></span><span dir="LTR"><span style="font-family:times new roman,serif;"><span style="font-size:10.0pt;"></span></span></span> <em>Introduction:</em> Immune Protein A is a component with a vast spectrum of biochemical, biological and medical usages. The coding gene of this protein was extracted from Staphylococcus aureus and was cloned and expressed in Escherichia coli bacteria. Suitable statistical methods are utilized to optimize expression conditions&nbsp; for evaluating experiment accuracy , guarantee the accuracy of subsequent experiments, reduce cost , prevent trial and error method, and obtain the highest production level.<br> &nbsp;<br> <em>Materials & Methods:</em> Normal statistical regression method is based on the assumption of accuracy of variables and their observations, and finally the relationship among the variables are precisely specified .In normal modeling ,such as estimation of protein level inaccurate observations and vague relationships may be encountered; therefore,utilization of regression methods capable of explaining the vague structure of protein level and providing the models attunes to reality is necessary. In this article, hybrid fuzzy regression method with the least square, based on fuzzy-set theory was utilized.<br> &nbsp;<br> <em>Findings:</em> According to the results, Protein A production level was estimated at 90 % level .On the other hand, since the method utilized in this article was hybrid fuzzy linear regression method with the least square errors, we can conclude that if all the data utilized in this article are crisp numbers,the hybrid fuzzy regression will produce results similar to normal regression.<br> &nbsp;<br> <em>Discussion & Conclusions:</em> One of the advantages of hybrid fuzzy regression is higher level of certainty than point estimation. In this study, the standard deviation of estimated data by fuzzy hybrid regression method was lower than conventional regression method.Therefore, it can be concluded that fuzzy hybrid regression method is an optimal method for estimating the production of this type of protein. پروتئین A, پروتئین متصل شونده به ایمونوگلوبین, رگرسیون فازی هیبریدی, بیوتکنولوژی پزشکی Protein A, Immunoglobin binding protein, Hybrid fuzzy regression, Medical biotechnology 1 13 http://sjimu.medilam.ac.ir/browse.php?a_code=A-10-4286-1&slc_lang=fa&sid=1 Raham Armand رحام آرمند armandraham@yahoo.com 9600319475328460039792 9600319475328460039792 No Dept of Biology, Faculty of Science, Behbahan Khatam Alanbia University of Technology, Behbahan, Iran گروه زیست شناسی، دانشکده علوم پایه، دانشگاه صنعتی خاتم الانبیاء(ص) بهبهان، بهبهان، ایران Garshasb Rigi گرشاسب ریگی garshasbbiotech@gmail.com 9600319475328460039793 9600319475328460039793 Yes Dept of Genetics, Faculty of Basic Sciences, University of Shahrekord, Shahrekord, Iran گروه ژنتیک، دانشکده علوم پایه، دانشگاه شهرکرد، شهرکرد، ایران Tahereh Bahrami طاهره بهرامی bahrami@bkatu.ac.ir 9600319475328460039794 9600319475328460039794 No Dept of Statistics, Faculty of Science, Behbahan Khatam Alanbia University of Technology, Behbahan, Iran گروه آمار، دانشکده علوم پایه، دانشگاه صنعتی خاتم الانبیاء(ص) بهبهان، بهبهان، ایران