انتخاب ژن و پیش بینی سرطان با استفاده از داده های میکروآرایه

با توسعه تکنولوژی میکروآرایه این امکان برای زیست شناسان فراهم شده است که سطوح تجلی ده ها هزار ژن را در یکآزمایش اندازه گیری نمایند. مطالعات، حاکی از آن است که از داده های بیان ژن میکروآرایه می توان برای طبقه بندی بسیاری ازبیماری ها از جمله سرطان استفاده نمود. چالش برانگیزترین نکته در استفاده از فناوری میکروآرایه این است که همواره تعداد ژنهابسیار بیشتر از تعداد نمونه ها می باشد، به طوریکه می تواند دقت دسته بندی نمونه ها را تحت تاثیر خود قرار داده و آن را کاهشدهد.از آنجاییکه ژن های خانه دار در تمامی سلول ها به میزان یکسان بیان می شوند. وجود این ژنها در الگوریتم های طبقه بندیعلاوه بر اینکه افزونگی را بالا می برد، کارایی محاسبات را کاهش می دهد. لذا با فیلتر کردن این ژن ها می توانیم دقت طبقه بندی رابالا ببریم. تاکنون روشهای بسیاری برای کاهش ابعاد داده های میکروآرایه ابداع شده است، مسئله اینجاست که ژن های انتخابشده با این روش ها شباهت زیادی با یکدیگر دارند. برای طبقه بندی ایده آل نمونه ها، داشتن مجموعه کوچکی از ژن های موثر ومتمایز، حائز اهمیت است. در این مقاله ابتدا از طریق تحلیل ضریب همبستگی، ابعاد داده های میکروآرایه را کاهش خواهیم داد، باانجام این کار حجم داده های پردازشی کمتر و عملیات داده کاوی سریعتر انجام می شود. در نهایت با استفاده از روش ترکیبیالگوریتم ژنتیک و ماشین بردار پشتیبان، ژن های بهینه ای که دارای بیشترین تاثیر در طبقه بندی بیماری سرطان هستند شناساییمیشوند. نتایج پیادهسازی روش پیشنهادی بر روی دو مجموعه داده ALL_AML و MLL نشان می دهد که الگوریتم پیشنهادی ازصحت طبقه بندی بالایی در مقایسه با سایر روش های موجود برخوردار بوده، قادر است مجموعه کوچکی از ژنهای حاوی اطلاعاترا به گونه ای انتخاب کند، که باعث بهبود دقت پیش بینی نمونه های سرطانی شود.

Keywords:

میکروآرایه , انتخاب ژن , ژن های خانه دار , ضریب همبستگی , ماشین بردار پشتیبان , الگوریتم ژنتیک , طبقه بندی