روشی جدید برای تشخیص لوسمی میلوژنیک و لنفوسیتیک حاد با استفاده از داده های بیان ژن و روش های یادگیری ماشین

چکیده سابقه و هدف لوسمی از سرطان­های شایع در جهان است. یکی از مهم ترین روش­ها برای کشف و پیش­بینی لوسمی میلوژنیک و لنفوسیتیک حاد، استفاده از DNA افراد و اطلاعات ژنتیکی آن ها می باشد. تکنولوژی ریز آرایه، ابزاری برای بررسی بیان هزاران ژن در حداقل زمان است. تحلیل مجموعه داده های ریز آرایه بدون کمک آنالیز آماری و روش های یادگیری ماشین ممکن نیست. در این مطالعه با استفاده از مجموعه داده های ریز آرایه و روش های یادگیری ماشین به تشخیص انواع لوسمی پرداخته شد. مواد و روش ها داده های مورد استفاده در این پژوهش توصیفی، بیان ۷۱۲۹ ژن مربوط به ۷۲ بیمار مبتلا به لوسمی بود که با استفاده از فناوری ریز آرایه به دست آمد. سپس با استفاده از این داده ها، تشخیص لوسمی میلوژنیک حاد(AML) و لوسمی لنفوسیتیک حاد(ALL) با روش طبقه بندی ناپارامتری هسته، تابع پایه شعاعی ناهمسانگرد با استفاده از معیارهای نسبت بهره و بهره اطلاعاتی انجام شد. یافته ها روش پیشنهادی طبقه بندی ناپارامتری با استفاده از معیار بهره اطلاعاتی با انتخاب۲۳۰ ژن مهم و با استفاده از معیار نسبت بهره با انتخاب ۸۶ ژن مهم با دقت ۰۶/۹۷٪ ، قادر به تشخیص انواع لوسمی میلوژنیک و لنفوسیتیک است، در حالی که روش طبقه بندی ناپارامتری هسته ، تابع پایه شعاعی با ۷۱۲۹ ژن دارای دقت ۲۹/۳۵٪ است. نتیجه گیری نتایج این مطالعه نشان داد که استفاده از داده های بیان ژن و روش پیشنهادی با معیار نسبت بهره قادر به تشخیص لوسمی با دقت بالایی است. بنابراین به نظر می رسد این روش می تواند در تشخیص دقیق­تر انواع لوسمی کمک کند تا تصمیمات مناسب تری در مورد نحوه تشخیص و درمان بیماران گرفته شود.

Keywords:

Key words: Leukemia , Gene Expression , Microarray Analysis , Machine Learning , کلمات کلیدی: لوسمی , بیان ژن , آنالیز ریز آرایه , یادگیری ماشین