ارائه یک روش خودرمزگذار چند مقیاسی جهت بهبود خوشه بندی و تحلیل داده های سلول-منفرد
عنوان مقاله: ارائه یک روش خودرمزگذار چند مقیاسی جهت بهبود خوشه بندی و تحلیل داده های سلول-منفرد
شناسه ملی مقاله: JR_JHBMI-11-1_006
منتشر شده در در سال 1403
شناسه ملی مقاله: JR_JHBMI-11-1_006
منتشر شده در در سال 1403
مشخصات نویسندگان مقاله:
امین عینی پور - Department of Computer Engineering, Andimeshk Branch, Islamic Azad University, Andimeshk, Iran
خلاصه مقاله:
امین عینی پور - Department of Computer Engineering, Andimeshk Branch, Islamic Azad University, Andimeshk, Iran
مقدمه: تحلیل داده های سلول-منفرد نقش بسزایی در فهم پیچیدگی های عملکرد سلول ها ایفا می کند. تحلیل این داده ها با چالش هایی مانند کاهش ابعاد ناکارآمد و خوشه بندی نامطلوب مواجه هستند. هدف این مقاله ارائه روشی است که ضمن افزایش کیفیت بازسازی و کاهش ابعاد دادهها، خوشهبندی دادههای سلول-منفرد را بهبود بخشد.
روش کار: در این مطالعه یک روش جدید به نام (Single-cell Analysis using Multi-Scale autoencoder) SAMS ارائه میشود که از یک مدل خود رمزگذار چندمقیاسی برای بهبود چالش های موجود در تحلیل داده های سلول-منفرد بهره می برد. روش پیشنهادی SAMS شامل سه مرحله اصلی است: (۱) پیش پردازش و نرمال سازی دادهها، (۲) استفاده از مدل شبکه عصبی عمیق برای بازسازی و کاهش ابعاد داده ها به کمک خودرمزگذار چندمقیاسی و (۳) خوشه بندی داده های کاهش یافته با استفاده از الگوریتم K-means برای ارزیابی عملکرد روش پیشنهادی.
یافته ها: روش پیشنهادی SAMS با استفاده از زبان پایتون پیادهسازی شده و نتایج به دست آمده بر روی مجموعه دادههای سلول-منفرد نشان می دهد که SAMS میتواند سلولها را با کیفیت بالایی در یک فضای دو بعدی با میانگین نرخ ۸۹% NNE= نمایش دهد که نشاندهنده حفظ مناسب ساختار دادهها است. همچنین، شاخصهای سیلوئت و دیویس-بولدین در ارزیابی دقت خوشه بندی، نشان میدهد که روش پیشنهادی به ترتیب با میانگین ۶۶/۰ و ۵۰/۰ توانسته بهبود خوبی را در خوشهبندی سلولها ایجاد کند.
نتیجه گیری: روش پیشنهادی SAMS با ترکیب مدل خودرمزگذار چندمقیاسی و الگوریتم K-meansتوانسته نتایج بهتری نسبت به روش های پیشین به دست آورد. به کارگیری SAMS در تحلیل داده های سلول-منفرد می تواند به پژوهشگران در درک بهتر عملکرد سلول ها و کشف الگوهای جدید کمک کند.
کلمات کلیدی: Single-cell analysis, Dimensionality reduction, Clustering analysis, تحلیل سلول-منفرد, کاهش ابعاد, تحلیل خوشه بندی
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/2075118/