سمانه لیاقت - دانشگاه شیراز، دانشکده مهندسی برق و کامپیوتر، بخش مهندسی و علوم کامپیوتر
اقبال منصوری - دانشگاه شیراز، دانشکده مهندسی برق و کامپیوتر، بخش مهندسی و علوم کامپیوتر

در سال های اخیر، فناوری ریزآرایه دیانای امکان بررسی میزان بیان هزاران ژن را به طور هم زمان و در حداقل زمان ممکن فراهم آورده است و این امر موجب تولید حجم انبوهی از داده های بیان ژن شده است. با توجه به ابعاد بالا و تعداد نسبتاً کم نمونه ها در مجموعه های داده های بیان ژن، انتخاب ژن یکی از گلوگاه های تحلیل این داده ها به شمار می رود. در این مقاله روشی برای انتخاب بدون نظارت ژن های موثر داده های ریز آرایه ارائه شده است که برپایه بیشینه بودن وابستگی میان شباهت دو به دو نمونه ها قبل و بعد از حذف یک ژن عمل می کند. این شیوه انتخاب ژن درواقع نسخه ای بدون نظارت از روشی است که ذاتا برای داده های برچسب دار طراحی شده است. عملکرد روش پیشنهادی بر این اساس است که حذف ژن های زائد و یا ژن هایی که اطلاعات تکراریدارند تاثیر قابل توجهی بر شباهت میان دو به دو نمونه ها نخواهد داشت. نتایج آزمایشات برروی مجموعه داده های بیان ژن نشان می دهد که روش پیشنهادی در عمل کارایی مناسبی دارد.

انتخاب ژن، معیار استقلال هیلبرت- اشمیت، میزان وابستگی