پاورپوینت الگوریتم های ژنتیک

اختصاصی از ژیکو پاورپوینت الگوریتم های ژنتیک دانلود با لینک مستقیم و پر سرعت .

دسته بندی : پاورپوینت 

نوع فایل:  ppt _ pptx

( قابلیت ویرایش )

---

 قسمتی از اسلاید متن پاورپوینت : 

تعداد اسلاید : 27 صفحه

1 الگوریتم های ژنتیک 2 الگوریتم ژنتیک الگوریتم ژنتیک روش یادگیری بر پایه تکامل بیولوژیک است. این روش در سال 1970 توسط John Holland معرفی گردید این روشها با نام Evolutionary Algorithms نیز خوانده میشوند.
3 ایده کلی یک GA برای حل یک مسئله مجموعه بسیار بزرگی از راه حلهای ممکن ار تولید میکند. هر یک از این راه حلها با استفاده از یک “ تابع تناسب” مورد ارزیابی قرار میگیرد. آنگاه تعدادی از بهترین راه حلها باعث تولید راه حلهای جدیدی میشوند.
که اینکار باعث تکامل راه حلها میگردد. بدین ترتیب فضای جستجو در جهتی تکامل پیدا میکند که به راه حل مطلوب برسد در صورت انتخاب صحیح پارامترها، این روش میتواند بسیار موثر عمل نماید.
4 فضای فرضیه الگوریتم ژنتیک بجای جستجوی فرضیه های general-to specific و یا simple to complex فرضیه ها ی جدید را با تغییر و ترکیب متوالی اجزا بهترین فرضیه های موجود بدست میاورد. در هرمرحله مجموعه ای از فرضیه ها که جمعیت (population) نامیده میشوند از طریق جایگزینی بخشی از جمعیت فعلی با فرزندانی که از بهترین فرضیه های موجود حاصل شده اند بدست میآید. 5 ویژگیها الگوریتم های ژنتیک در مسائلی که فضای جستجوی بزرگی داشته باشند میتواند بکار گرفته شود. همچنین در مسایلی با فضای فرضیه پیچیده که تاثیر اجرا آن در فرضیه کلی ناشناخته باشند میتوان از GA برای جستجو استفاده نمود. برای discrete optimizationبسیار مورد استفاده قرار میگیرد. الگوریتم های ژنتیک را میتوان براحتی بصورت موازی اجرا نمود از اینرو میتوان کامپیوترهای ارزان قیمت تری را بصورت موازی مورد استفاده قرار داد. امکان به تله افتادن این الگوریتم در مینیمم محلی کمتر از سایر روشهاست. از لحاظ محاسباتی پرهزینه هستند. تضمینی برای رسیدن به جواب بهینه وجود ندارد.
6 Parallelization of Genetic Programming در سال 1999 شرکت Genetic Programming Inc.
یک کامپیوتر موازی با 1000 گره هر یک شامل کامپیوتر های P2, 350 MHZ برای پیاده سازی روش های ژنتیک را مورد استفاده قرار داد. 7 کاربر دها کاربرد الگوریتم های ژنتیک بسیار زیاد میباشد optimization, automatic programming, machine learning, economics, operations research, ecology, studies of evolution and learning, and social systems 8 زیر شاخه های EA روش های EA به دو نوع مرتبط به هم ولی مجزا دسته بندی میشوند: Genetic Algorithms (GAs) در این روش راه حل یک مسئله بصورت یک bit string نشان داده میشود.
Genetic Programming (GP) این روش به تولید expression trees که در زبانهای برنامه نویسی مثل lisp مورد استفاده هستند میپردازد بدین ترتیب میتوان برنامه هائی ساخت که قابل اجرا باشند.
9 الگوریتم های ژنتیک روش متداول پیاده سازی الگوریتم ژنتیک بدین ترتیب است که: استخری از فرضیه ها که population نامیده میشود تولید وبطور متناوب با فرضیه های جدیدی جایگزین میگردد. در هر بار تکرارتمامی فرضیه ها با استفاده از یک تابع تناسب یا Fitness مورد ارزیابی قرار داده میشوند.
آنگاه تعدادی از بهترین فرضیه ها با استفاده از یک تابع احتمال انتخاب شده و جمعیت جدید را تشکیل میدهند. تعدادی از این فرضیه های انتخاب شده به همان صورت مورد استفاده واقع ش

  متن بالا فقط قسمتی از محتوی متن پاورپوینت میباشد،شما بعد از پرداخت آنلاین ، فایل را فورا دانلود نمایید 

---

  لطفا به نکات زیر در هنگام خرید دانلود پاورپوینت:  توجه فرمایید.

• در این مطلب، متن اسلاید های اولیه قرار داده شده است.
• به علت اینکه امکان درج تصاویر استفاده شده در پاورپوینت وجود ندارد،در صورتی که مایل به دریافت  تصاویری از ان قبل از خرید هستید، می توانید با پشتیبانی تماس حاصل فرمایید
• پس از پرداخت هزینه ،ارسال آنی پاورپوینت خرید شده ، به ادرس ایمیل شما و لینک دانلود فایل برای شما نمایش داده خواهد شد
• در صورت  مشاهده  بهم ریختگی احتمالی در متون بالا ،دلیل آن کپی کردن این مطالب از داخل اسلاید ها میباشد ودر فایل اصلی این پاورپوینت،به هیچ وجه بهم ریختگی وجود ندارد
• در صورتی که اسلاید ها داری جدول و یا عکس باشند در متون پاورپوینت قرار نخواهند گرفت.
  
• هدف فروشگاه کمک به سیستم آموزشی و رفاه دانشجویان و علم آموزان میهن عزیزمان میباشد. 
  

---

دانلود فایل  پرداخت آنلاین 

مقاله ژنتیک جمعیت

اختصاصی از ژیکو مقاله ژنتیک جمعیت دانلود با لینک مستقیم و پر سرعت .

لینک پرداخت و دانلود در "پایین مطلب"

 فرمت فایل: word (قابل ویرایش و آماده پرینت)

 تعداد صفحات:10

جمعیت از نظر ژنتیکی عبارت است از گروهی از موجودات یک گونه که با یکدیگر آمیزش پیدا می‌کنند. گروهی محدود از جمعیت که با هم ، آمیزش دارند، ژنتیک مندلی هم گفته می‌شوند. ژنتیک جمعیت ، شاخه‌ای از علم ژنتیک است که رفتار ، خصوصیات ، فراوانی و عمل متقابل ژنها را در یک جمعیت مندلی که دارای ذخایر ژنی مشترک هستند، بطور ریاضی بر اساس قانون تعادل هاردی _ وینبرگ ، مورد تجزیه و تحلیل قرار می‌داد

سیر تحولی

اختلاف نظر بین صاحبنظران در مورد نقش ژنتیک در تکامل موجودات با پیدایش علم سنتتیک جدیدی به نام ژنتیک جمعیت (Population genetics) در دهه 1920 از بین رفت و متعاقبا دانشمندان مختلف از جمله هاردی ، ریاضیدان انگلیسی و وینبرگ در سال 1908 مطالعه نحوه رفتار ژنها و تغییرات فراوانی آنها در جمعیت و نقش آنها در تکامل موجودات زنده را دنبال و مهمترین قانون مرتبط با ژنتیک جمعیت را زیر عنوان قانون هاردی _ وینبرگ در اوایل این قرن پیشنهاد کردند. بطوری که به کمک این قانون می‌توان بسیاری از جنبه‌های مختلف ژنتیک جمعیت را مورد بحث قرار دارد.

ژن و سرنوشت آن

سرنوشت یک جفت ژن در یک جمعیت به چه صورت است؟ قدرت تولید مثل یک موجود که دارای ژن بخصوصی است، بستگی به فراوانی آن ژن در جمعیت ، و عواملی دیگری از جمله رابطه بین آن جمعیت و محیط دارد. بنابراین هر چند افراد حامل ژن می‌باشند، ولی سرنوشت این افراد و ژنی را که حمل می‌کنند، بستگی به جمعیت و عوامل موثر در آن دارد. جمعیت چه هاپلوئید و چه دیپلوئید و ... باشد، دارای دو صفت ویژه است: فراوانی ژنی و حوضچه ژنتیکی.

• فراوانی ژنی عبارت است از نسبت آلل‌های مختلف یک ژن در جمعیت. جهت بدست آوردن فراوانی ژنی ، تعداد افرادی را که دارای ژنوتیپ‌های مختلف هستند، بدست آورده و نسبت فراوانی نسبی هر کدام از آلل‌ها را تخمین می‌زنیم. فراوانی یک ژن از فراوانی ژنوتیپ هموزیگوس نسبت به آن ژن به اضافه نصف فراوانی هتروزیگوس‌ها هم محاسبه می‌شود.
• حوضچه ژنتیکی عبارت است از مجموع ژنهای موجود در گامتهای تولید شده توسط یک جمعیت. بنابراین رابطه ژنتیکی بین یک نسل با نسل دیگر شبیه رابطه ژنتیکی بین والد و نوزاد است.

جمله بینومی و ژنتیک جمعیت

در این جمله حروف a نماینده احتمال حدوث یک اتفاق ، b نماینده احتمال حدوث اتفاق دیگر و n نماینده تعداد اتفاقات است. جمله را می‌توان برای بیان نسبت ژنوتیپی 11 حاصل از تلاقی‌های مونوهیبریدی بکار برد. به جای a از حروف p و به جای b از حروف q استفاده می‌شود. از آنجایی که در یک مکان ژنی معمولا دو تا آلل وجود دارد، فراوانی آنها را در جمعیت مجموعا برابر واحد یک در نظر می‌گیرند. با توجه به اطلاعات فوق می‌توان ژنوتیپ‌های موجود در یک مونوهیبرید () را به صورت معادله ، بیان نمود.

محاسبه فراوانی الل‌ها

هم بارزی یا غالبیت ناقص

در جمعیتهای انسانی دو تا الل اتوزومی M () و N () وجود دارند که می‌توانند آنتی ژن خون و نوع آن را تحت تاثیر قرار دارند. در جهت تعیین فراوانی الل‌های و مطالعه‌ای در مورد مهاجرین قفقازی کشور ایالات متحده به صورت زیر گزارش شده است:
ژنوتیپ فنوتیپ130330391787تعداد
برای محاسبه فراوانی الل‌های و می‌توان به صورت زیر عمل کرد:
غالبیت کامل
غالب و مغلوب بودن الل‌ها ، فراوانی آنها را مستقیما تحت تاثیر قرار نمی‌دهد. فراوانی آنها مشابه الل‌های هم بارز یا الل‌های با غالبیت ناقص است. الل غالب در مقایسه با الل مغلوب ، فنوتیپ مربوطه را در توده بیشتر ظاهر می‌سازد، چرا که الل غالب اثر الل مغلوب را در حالت هتروزیگوسی نیز نهفته نگه می‌دارد. قدرت چشایی و عدم قدرت چشایی نسبت به نمک فنیل تیو کاربامید (PTC) مثال مناسبی برای مطالعه فراوانی الل‌ها در حالت غالبیت کامل است. کسانی که دارای قدرت چشایی نسبت به این نمک هستند، مزه آن را تلخ احساس می‌کنند و این صفت تحت کنترل یک ژن غالب T قرار دارد.

دانلود پروژه معماری ژنتیک (معماری ژنتیکی )

اختصاصی از ژیکو دانلود پروژه معماری ژنتیک (معماری ژنتیکی ) دانلود با لینک مستقیم و پر سرعت .

دانلود پروژه معماری ژنتیک (معماری ژنتیکی ) در 51 اسلاید

•تعریف علمی ژن  

ژن، عامل موجود درکروموزوم که ناقل صفات ارثی است. 

•ژنتیک

 پیدایشی، تکوینی، وابسته به پیدایش یا اصل هر چیز، مربوط به تولید و وراثت در روانشناسی به معنای؛ ژنی ،ارثی و یا تکوینی

•Bio

وابسته به زیست یا زیست شناسی، زیست، زیوا        

•Mimetic

وابسته به تقلید، تقلیدی

•Biomimetic

تقلید از زیست بوم و محیط زیست

•ژنتیک در حقیقت شروع یک انتقال و واگذاری است که معماران حتما باید بدان توجه داشته باشند. در ژنتیک ،معماری نوعی اطلاعات پیچ در پیچ یا به عبارت بهتر یک ماتریس جهانی است که خود تولید و خود سازمان می دهد بنابراین بسیار متاثر از تحولات ژنتیکی خواهد بود.

 

•امروزه تمایل بیشتر به ساختمان های انعطاف پذیر و در نظر گرفتن ساختمان به عنوان یک ارگانیسم زنده می باشد، ایده زندگی و حرکت جایگزین انتزاع، تغییر ناپذیری و سکون می شود، شدن به جای بودن!

 

معرفی یک معمار

Dennis Dollens

•دنیس دالنس؛ معمار و نویسنده کتا بهای ”دیجیتال به آنالوگ“ و ”معماری ژنتیک“ و ”به سوی معماری تقلید زیستی“، فارغ التحصیل شده از دانشگاه بین المللی کاتولونیا واز مدرسان مدرسه معماری UIC در بارسلونا در رشته معماری ژنتیک می باشد. وی تحقیقات گسترده ای را در زمینه های تقلید زیستی و کاربرد ژنتیک درمعماری انجام داده است که در زیربه نمونه هایی از آن اشاره خواهد شد.

طراحی تقلید زیستی

•تقلید زیستی برای معماری و طراحی در دانشگاههای مشخصی به عنوان روشی برای تقویت دوباره طراحی در پاسخ به محیط زیست و حفاظت آن،از نظر غیر سمی و یا کمتر سمی بودن و از نظر محاسباتی و زیست شناختی هوشمند مورد آزمایش قرار می گیرد. این تحقیق به منظور دستیابی به تعدادی پیشنهادات برای استفاده ازتقلید زیستی ویژه که بر اساس نوع ارتباط آن با دیجیتال مجازی و دیجیتال تولید می باشد انجام شده است.

•هدف دیگر بررسی نحوه استفاده دانشجویان از موضوعات مورد علاقه خود در سیستم های طبیعی و  زیست شناسی برای طراحی شبیه سازی است و اینکه جگونه آنها را تحقیق و تولید کرده و در نهایت آن شیوه را تبدیل به روشی کنند  که بصورت طراحی تجربی و با استفاده از مصالح زیستی پیشرفته و بصورت سیستم هایی ترکیب از زیست و طبیعت نمایان شود.

طراحی تقلید زیستی چیست؟

 

•روش کار در دانشگاه UIC بدین صورت است که دانشجویان را با نمونه هایی از کارهای علمی که به خواص سیستمهای زنده توجه می کنند آشنا می شوند تا ویژگی مطلوب آنهارا مورد قیاس قرار داده و پاسخی جدید برای صنعت و تکنولوژی، ترکیب کرده و بسازند.

• طراحان ممکن است به فضا، ماده و کیفیات سازه ای صدف ها، گیاهان یا استخوانها برای نشان دادن ارزش تحقیق خود، توجه کنند. چنین در گیری ای با روند و تحقیق سرانجام زمانی که فرمهای پیش بینی شده با الهام از طبیعت را آشکار میکنند، منجر به ملاحظات عمیق یک نفر در خواص طبیعی موجود در روشهای پاسخ گو به محیط زیست می شود..................

چرا تقلید زیستی را طراحی کنیم؟

 

 

طراحی تقلید زیستی پلی است که میتواند بر روی مسیری به سمت طراحی پیوندی  با محیط زیست، تخصص طراحی و معماری رابه هم متصل کند. طراحی تقلید زیستی می تواند به معانی تکنولوژی برای ساخت دیجیتالی و ...........

 

 

 

 

دانلود پروژه معماری ژنتیک (معماری ژنتیکی ) , دانلود پروژه معماری ژنتیک , دانلود پروژه عماری ژنتیکی , معماری ژنتیک , طراحی تقلید زیستی , Biomimetic , تقلید از زیست بوم و محیط زیست , تعریف علمی ژن  , Dennis Dollens

 

دانلود مقاله ژنتیک

اختصاصی از ژیکو دانلود مقاله ژنتیک دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 51

چکیده:

الگوریتم های ژنتیک از اصول انتخاب طبیعی داروین برای یافتن فرمول بهینه جهت پیش بینی یا تطبیق الگو استفاده می کنند. الگوریتم های ژنتیک اغلب گزینه خوبی برای تکنیک های پیش بینی بر مبنای رگرسیون هستند. همچنین ساده خطی وپارامتریک نیزگفته می شود، به الگوریتم های ژنتیک می توان غیر پارامتریک نیز گفت.

مختصراً گفته می شود که الگوریتم ژنتیک (یا GA) یک تکنیک برنامه نویسی است که از تکامل ژنتیکی به عنوان یک الگوی حل مسئله استفاده می کند. مسئله ای که باید حل شود ورودی است و راه حل ها طبق یک الگو کد گذاری می شود ومتریک که تابع fitness هم نام دارد هر راه حل کاندید را ارزیابی می کندکه اکثر آنها به صورت تصادفی انتخاب می شوند. یکی از مهمترین کاربردهای الگوریتم های ژنتیک حل مسئله فروشنده دوره گرد می باشد که در بخش دوم به طور کامل به آن می پردازیم.

کلاً این الگوریتم ها از بخش های زیر تشکیل می شوند :

انتخاب مجدد selection

ترکیب combination

جهش ژنی mutation

که در ادامه آنها را توضیح خواهیم داد.

مقدمه:

قانون انتخاب طبیعی بدین صورت است که تنها گونه‌هایی از یک جمعیت ادامه نسل می‌دهند که بهترین خصوصیات را داشته باشند و آنهایی که این خصوصیات را نداشته باشند به تدریج و در طی زمان از بین می‌روند.

   مثلا فرض کنید گونه خاصی از افراد هوش بسیار بیشتری از بقیه افراد یک جامعه یا کولونی دارند. در شرایط کاملا طبیعی این افراد پیشرفت بهتری خواهند کرد و رفاه نسبتا بالاتری خواهند داشت و این رفاه خود باعث طول عمر بیشتر و باروری بهتر خواهد بود(توجه کنید شرایط طبیعی است نه در یک جامعه سطح بالا با ملاحظات امروزی یعنی طول عمر بیشتر در این جامعه نمونه با زاد و ولد بیشتر همراه است). حال اگر این خصوصیت(هوش)ارثی باشد به طبع در نسل بعدی همان جامعه تعداد افراد باهوش به دلیل زاد و ولد بیشتر این‌گونه افراد بیشتر خواهد بود. اگر همین روند را ادامه دهید خواهید دید که در طی نسل‌های متوالی دائما جامعه نمونه ما باهوش و باهوش‌تر می‌شود. بدین ترتیب یک مکانیزم ساده طبیعی توانسته است در طی چند نسل عملا افراد کم هوش را از جامعه حذف کند علاوه بر اینکه میزان هوش متوسط جامعه نیز دائما در حال افزایش است.

    بدین ترتیب می‌توان دید که طبیعت با بهره‌گیری از یک روش بسیار ساده(حذف تدریجی گونه‌های نامناسب و در عین حال تکثیر بالاتر گونه‌های بهینه) توانسته است دائما هر نسل را از لحاظ خصوصیات مختلف ارتقا بخشد.

در این میان آنچه شاید بتواند تا حدودی ما را در فهم این مساله یاری کند مفهومیست به نام :

تصادف یا جهش.

هدف اصلی روش‌های هوشمند به کار گرفته شده در هوش مصنوعی یافتن پاسخ بهینه مسائل مهندسی است. به عنوان مثال اینکه چگونه یک موتور را طراحی کنیم تا بهترین بازدهی را داشته باشد یا چگونه بازوهای یک ربات را محرک کنیم تا کوتاه‌ترین مسیر را تا مقصد طی کند(دقت کنید که در صورت وجود مانع یافتن کوتاه‌ترین مسیر دیگر به سادگی کشیدن یک خط راست بین مبدا و مقصد نیست) همگی مسائل بهینه‌سازی هستند.

   در مورد نکته دوم باید بگوییم که روش‌های ریاضی بهینه‌سازی اغلب منجر به یک فرمول یا دستورالعمل خاص برای حل هر مسئله می‌شوند. در حالی که روش‌های هوشمند دستورالعمل‌هایی هستند که به صورت کلی می‌توانند در حل هر مسئله‌ای به کار گرفته شوند. این نکته را پس از آشنایی با خود الگوریتم بیشتر و بهتر خواهید دید.

اما یک موجود چگونه قادر است که شکل و فرم موجودات بعد از خود را تعیین کند؟ برای اینکه جواب سوال را دریابیم، ابتدا باید فرآیند تولید مثل موجودات را بررسی کنیم.

در جریان تولید مثل یک موجود کروموزومهای والدین موجود با یکدیگر ترکیب میشوند و سلول تخم را تشکیل می دهند. تکثیر این سلول تخم منجر به تشکیل یک فرزند تقریباً مشابه والدینش میشود. این موجود ترکیبی از خصوصیات والدین خود را به همراه خواهد داشت. این روند باعث تکامل یک موجود میشود.

اما تا اینجای کار اتفاق خاصی که باعث ایجاد یک موجود جدید گردد به وقوع نپیوسته است. نکته کار اینجاست که در حین تشکیل سلول تخم تغییرات ناخواستهای درون کروموزوم(های) سلول بوجود میآید. این تغییرات اگر کوچک باشند، در حین تکثیر سلول تخم و تشکیل موجود اصلی اصلاح میشوند. اما تغییرات بزرگ اصلاح نمیشوند و منجر به تشکیل یک موجود جدید میشوند.

اگر موجود جدید (و بطور کلی فرزند) ایجاد شده نسبت به والدین در تقابل با محیط برتری داشته باشد، قطعاً در جریان زندگی موفقتر است و امکان تولید مثل پیدا میکند و در نتیجه میتواند خصوصیات خوبش را به فرزندانش منتقل نماید. با توجه به اینکه این فرزندان نیز در تقابل با محیط موفقتر هستند، امکان تولید مثل پیدا میکنند.

با توجه به مطالب فوق متوجه میشوید که سه فاکتور اصلی مبنای نظریه داروین را تشکیل میدهند، این سه فاکتور عبارتند از:

·    تنوع: ترکیب شدن مشخصات والدین متفاوت باعث میشود که خصوصیات خوب آنها ترکیب شود و یک موجود بهتر بوجود آید.

·        تصادف: عامل ایجاد تغییرات در موجودات فرزند

·    انتخاب: که توسط محیط انجام میشود، به این معنی که موجودات با شایستگی پائین احتمال ادامه حیات و تولید مثل کمتری دارند. (بقای شایستهترین)

روند فوق و مخصوصاً سه فاکتور فوق مبنای کار دانشمندان رشته کامپیوتر قرار گرفت و در نتیجه الگوریتمهای ژنتیک بوجود آمدند. این روش در سال 1970 توسط John Holland معرفی گردید

این روشها با نام Evolutionary Algorithms نیز خوانده میشوند. پیشرفت این الگوریتمها باعث شد که کلاً مجموعه روشهای حل مساله با نام پردازش تکاملی بوجود بیاید.

پردازش تکاملی از شاخههای زیر تشکیل شده است:

1.     الگوریتمهای ژنتیک (Genetic Algorithms)

2.     برنامه نویسی ژنتیک (Genetic Programming)

3.     استراتژیهای تکاملی (Evolutionary Strategies)

4.     برنامه نویسی تکاملی (Evolutionary Programming)

نحوه ارائه مطالب به این صورت است که در ابتدا قسمتهای مختلف یک الگوریتم ژنتیک را بیان کرده و هریک را به اختصار

مقاله در مورد تاریخچه علم ژنتیک

اختصاصی از ژیکو مقاله در مورد تاریخچه علم ژنتیک دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 14

تاریخچه علم ژنتیک

به عنوان مقدمه

دانش زیست شناسی یکی از قدیمی ترین علومی بوده که بشر به آن توجه داشته است. شواهد بسیار زیادی که طی کاوشهای باستان شناسی بدست آمده حکایت از آن دارد که انسانهای پیشین به دانش زیست شناسی توجه داشته اند و در این میان اصلاح نژاد دامها و پرورش گیاهان با باردهی بیشتر از دانش گذشتگان در مورد علم ژنتیک خبر می دهد. اما از حدود یک قرن پیش دانش زیست شناسی وارد مرحله جدیدی شد که بعدا آن را ژنتیک نامیده اند و این امر انقلابی در علم زیست شناسی به وجود آورد. در قرن هجدهم ، عده ای از پژوهشگران بر آن شدند که نحوه انتقال صفات ارثی را از نسلی به نسل دیگر بررسی کنند؛ این بررسی ها به نتیجه قابل ملاحضه ای ختم نشد. دو دلیل مهم آن عبارت بودند از آگاهی نداشتن به ریاضیات و دلیل دوم انتخاب صفاتی بود که برای پژوهش های اولیه ژنتیک مناسب نبودند.

اولین کسی که توانست قوانین حاکم بر انتقال صفات ارثی را شناسایی کند، کشیشی اتریشی به نام گریگور مندل بود که در سال 1865 این قوانین را که حاصل آزمایشاتش روی گیاه نخود فرنگی بود، ارائه کرد. این در حالی بودکه جامعه علمی آن دوران به دیدگاه ها و کشفیات او اهمیت چندانی نداد و نتایج کارهای مندل به دست فراموشی سپرده شد. و به نظر می رسید ، پرونده این دانش رو به بسته شدن است. در سال 1900 میلادی کشف مجدد قوانین ارائه شده از سوی مندل ، توسط درویس ، شرماک و کورنز باعث شد که نظریات او مورد توجه و قبول قرار گرفته و مندل به عنوان پدر علم ژنتیک شناخته شود.

در سال 1953 با کشف ساختمان جایگاه ژنها (DNA) از سوی جیمز واتسن و فرانسیس کریک ، رشته ای جدید در علم زیست شناسی به وجود آمد که زیست شناسی ملکولی نام گرفت . با حدود گذشت یک قرن از کشفیات مندل در خلال سالهای 1971 و 1973 در رشته زیست شناسی ملکولی و ژنتیک که اولی به بررسی ساختمان و مکانیسم عمل ژنها و دومی به بررسی بیماری های ژنتیک و پیدا کردن درمانی برای آنها می پرداخت ، ادغام شدند و رشته ای به نام مهندسی ژنتیک را به وجود آوردند که طی اندک زمانی توانست رشته های مختلفی اعم از پزشکی ، صنعت و کشاورزی را تحت الشعاع خود قرار دهد و دیدگاه های مختلف عصر حاضر را به خود اختصاص دهد.

اساس مهندسی ژنتیک و بیوتکنولوژی انتقال یک یا تعدادی از ژنهای یک ارگانیسم به درون خزانه ژنتیکی یک ارگانیسم دیگر است. به این ترتیب ارگانیسم جدید واجد ژنهایی خواهد شد که در گذشته فاقد آن بوده و اینک وادار می شود که در شرایط محیطی مناسب اقدام به بیان آن ژن نماید که محصول آن می تواند منجر به بروز صفت خاص و یا تولید فراورده ای شود.

مهندسی ژنتیک و بیوتکنولوژی در چند سال اخیر توانسته منشأ خدمات ارزنده ای برای نوع بشر باشد. از مهمترین دستاوردهای این دانش می توان تأثیر آن را حیطه های مختلف از جمله صلاح نژادی حیوانات و گیاهان با هدف تولید فراورده های بیشتر، تهیه داروها و هورمون ها با درجه خلوص بالا و صرف هزینه های پایین ، درمان بیماری های ژنتیکی با ایجاد تغییرات در سلول تخم و موار متعدد دیگر اشاره کرد. تشخیص قبل از بارداری بیماری های ژنتیکی ، تشخیص صحت رابطه فرزند با پدر و مادر و همچنین تکنیک شناسایی مجرمان از روی بقایای باقی مانده از بدن ، مو و یا خون آنها از جمله توانایی های دیگر ژنتیک مولکولی است.

در نگاهی دیگر دورنمای دانش ژنتیک و بیوتکنولوژی بسیار زیبا جلوه می کند. تولید اعضای بدن از قلب گرفته تا چشم و دست و پا به صورت مجزا از طریق مهندسی ژنتیک و ارایه آنها به بانکهای اعضای بدن با هدف کمک به نیازمندان پیوند عضو ، یکی از این موارد است. به این ترتیب مشکل دفع پیوند حل خواهد شد و مخصوصاً در صورتی که عضو پیوندی از دارای خزانه ژنتیک همان فرد باشد هیچ آنتی ژن بیگانه ای نمیتواند عامل دفع عضو باشد. درمان بسیاری از بیماری های ژنتیکی مخصوصاً در دوره جنینی قابل درمان خواهد بود. هویت افراد از روی کارتهای شناسایی که بر پایه وراثت و ژنتیک آنها عمل می کند ممکن خواهد شد و مجرمان با گذاشتن کوچکترین اثر بیولوژیکی از خود مثل یک تار مو بسرعت شناسایی خواهند شد.

دنیای آینده در تسخیر دانش ژنتیک خواهد بود و برای این علم نمیتوان پایانی قائل شد. اگر چه به نظر می رسد مثل هر دانش دیگری، این علم هم می تواند ابزاری برای ارضاء حس قدرت طلبی بسیاری از سیاستمداران باشد و تا کنون شاهد جنجالهای بسیاری زیادی هم در این مورد بوده ایم. یکی از مهمترین موارد آن تولید گیاهان تراریخت و کلونینگ و همسانه سازی انسان بوده است.

گریگور مندل

گریگوری مندل که او را پدر ژنتیک می دانند در روستای برنو که اکنون جزوی از کشور چک است در خانواده ای تنگ دست و آلمانی زبان متولد شد. پدر مندل، یک کشاورز بود که حداقل سه روز در هفته برای مالک زمین در شرایطی بسیار سخت و طاقت فرسا کار می کرد تا بالاخره روزی مالک یک زمین زراعی شد. مندل هم به پرورش درختان میوه علاقه زیادی داشت و باغ میوه کوچک خود را با پیوندهایی بهبود می بخشید که کشیش شهر، پدر «شریبر»، در اختیارش می گذاشت. یوهان جوان که پس از راهب شدن گرگور مندل نام گرفت، در این کار به پدرش کمک می کرد. و به تدریج با باغبانی و پرورش گل آشنا شد.

پدر شریبر در مدرسه دهکده تدریس می کرد. کودکان در آن مدرسه نه تنها خواندن و نوشتن می آموختند، بلکه با تاریخ طبیعی و علوم نیز آشنا می شدند. مندل هم که شاگرد ممتازی بود ، درس را در همان مدرسه شرع کرد. پدر مندل که مرد فقیری بود ، با وجود امکانات بسیار اندک، هر آنچه در توان داشت، به کار گرفت تا پسرش آینده بهتری داشته باشد. یوهان، تحصیلات ابتدایی را با موفقیت پشت سر گذاشت و برای رفتن به دبیرستان آماده شد. هر چند که رفتن به دبرستان برای