بهبود استنتاج شبکه های تنظیم بیان ژن با رویکرد تجمیع داده ها

مقدمه: عمده ترین موضوع بر سر راه آینده بیوانفورماتیک طراحی ابزارهایی جهت مشخص کردن عملکردها و تمامی محصولات ژن های یک سلول است. این امر نیاز به ادغام رشته های متفاوت بیولوژیکی و همچنین ابزارهای پیچیده ریاضی و آمار دارد.  در این تحقیق نشان داده ­شد که می­توان با استفاده از تکنیک ­های داده ­کاوی مدل­ هایی برای تشخیص سبک زندگی افراد از لحاظ پرخطر یا کم ­خطر بودن برای ابتلاء به سرطان روده بزرگ توسعه داد. روش: در این بررسی گذشته­ نگر، مجموعه­ داده­ای شامل ۸۴ فرد بیمار و ۲۲۵ فرد سالم، شامل ۲۵ خصیصه جمع آوری شد. این اطلاعات شامل بیمارانی است که تشخیص آن­ها مربوط به سال­های ۱۳۸۵ تا سه ماهه اول ۱۳۹۳ می­باشد. از پرکاربردترین تکنیک ­ها در ادبیات انفورماتیک پزشکی شامل ماشین بردار پشتیبان، بیزین ساده، درخت تصمیم و نزدیک ترین همسایگی برای توسعه مدل­ ها استفاده شد. نتایج: مدل­ های توسعه داده شده با کارایی قابل قبولی، قادر به تشخیص سبک زندگی افراد هستند. سنجه غیرتکنیکی توسعه داده شده به خوبی می­تواند ارزش واقعی تک تک پیش­بینی­ ها، چه درست و چه نادرست را با هزینه­ های واقعی مشخص کند و یک میزان واقعی از هزینه­ های صرفه­ جویی شده در نظام سلامت توسط هر مدل را نشان دهد. از میان مدل­ های توسعه داده شده تنها دو مدل توانست معیارهای تعیین شده جهت استفاده در دنیای واقعی را ارضا کند. نتیجه­ گیری: مدل ­های توسعه داده شده نه تنها باید از لحاظ تکنیکی ارزیابی شوند، بلکه باید از لحاظ سنجه­ های مورد پذیرش برای حوزه پزشکی و همچنین قابلیت اجرا برای حل واقعی مسئله نیز بررسی گردند.

Keywords:

Gene Expression Regulatory Network , Gene Expression Regulatory Network Inference , Propagation Algorithm , Data integration , شبکه تنظیم بیان ژن , استنتاج شبکه تنظیم بیان ژن , الگوریتم انتشار , ادغام داده ها