روش ترکیبی انتخاب ژن برای دسته بندی ریزآرایه داده بیان ژن

الناز غفرانی; مهرداد جلالی; محمدرضا کلانی

روش ترکیبی انتخاب ژن برای دسته بندی ریزآرایه داده بیان ژن

Publish place: 2nd ICTCK2015 International Congress on Technology, Communication and Knowledge

Publish Year: 1394

نوع سند: مقاله کنفرانسی

زبان: Persian

This Paper With 13 Page And PDF Format Ready To Download

دریافت فایل کامل Paper

Certificate
من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

https://civilica.com/doc/517523

شناسه ملی سند علمی:

ICTCK02_076

تاریخ نمایه سازی: 8 آبان 1395

Abstract:

مطالعات اخیر نشان میدهد، ریزآرایه داده بیان ژن برای دسته بندی تعداد زیادی از بیماری ها مفید می باشد. چالشاصلی در دسته بندی مساله مورد نظر، این است که عدم تقارن شدید در تعداد ژنها و نمونه ها وجود دارد. انتخابمجموعه کوچکی از ژن هایی که دارای بار اطلاعاتی هستند موجب بهبود دقت دسته بندی می شود. متدهای اخیر بااستفاده از محاسبات آماری و آنتولوژی ژن سعی دارند تعداد ژنها را کاهش دهند. در این مقاله روشی ارائه گردیدهاست که علاوه بر در نظر گرفتن ارتباط زیستی میان ژنها، ژن های افزونه را با استفاده از خوشه بندی سلسله مراتبیحذف میکند و موجب بهبود دقت دسته بندی می گردد. ساختار و عملکرد این روش به صورت جزئی در متن مقاله مطرحشده است. آزمایش ها با استفاده از یک مجموعه داده واقعی نشان می دهند روش پیشنهادی در مقایسه با روشی کهاز شباهت معنایی استفاده میکند، علاوه بر انتخاب تعداد ژن های کمتر دارای دقت دسته بندی (Loocv) بیشتری می باشد.

Keywords:

آنتولوژی , انتخاب ژن , شباهت معنایی , دسته بندی داده بیان ژن

Authors

الناز غفرانی

دانشگاه بین المللی امام رضا (ع)

مهرداد جلالی

گروه نرم افزار کامپیوتر، دانشگاه آزاد اسلامی، مشهد، ایران

محمدرضا کلانی

عضو گروه آموزشی انفورماتیک علوم پزشکی مشهد

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :

Fenstermacher, D. (2005). Introduction to b i oinformatics _ Journal ...
cui, Y., Zheng, ch., Yang, J. (2013). Sparse maximum margin ...
Gillies, E., Patel, V., Wilson, D. (2013). A simulation to ...
Speed, T.P. (2003). Statical Analysis of Gene Data. Chapma& ...
Jiang, D., Tang, c.., Zhang, A. (2004). Cluster Analysis for ...
Walker, M. (2001). Pharmaceutical Target Identification by Gene Expression Analysis. ...
Wang, Y., Makedon, F., Ford, J., Pearlman, J. (2005). HyKGene: ...
Guyan, I. (2003). An Introduction to Variable and Feature Selection. ...
Sherlock, G. (2000). Analysis of Large-Scale Gene Expression Data. Current ...
Tamayo, P., Solni, D., Mesirov, J., Zhu, Q., Kitareewan, S., ...
Herrero, J., Valencia, A., Dopazo, J. (2001). A growingneural ...
Fraley, C., Raftery, A.E. (1998). How Many Clusters? Which Clustering ...
Hartuv, E., Shamir, R. (2000). A Clustering Algorithm Based on ...
CARLISLE, B. (2005). NOISE -ROBUST GENE DATA. ...
Duan, K., Wang, H., Azuaje, F.(2005). Multiple SVM-RFE for gene ...
Line, D. (1998). An Informati on-Theoretic Definition of Similarity. ICML. ...
attribute :Analysis and Extentions of relief. Dept of Computer Science ...
Wang, Y., Makedon, F., Ford, J., Pearlman, J. (2005). HyKGene: ...
Line, D. (1998). An Informati on-Theoretic Definition of Similarity. ICML. ...
camon, E., Margane, M., barrell, D. (2004). The Gene Ontology ...
C.Pesquita, D.Faria, A.Falcao, P.Lord, F.Cout, Biomedical ...
Ontologies", July 31, 2009. ...
Spira, A., Beane, J., Shah, V., Liu, G., Schembri, F., ...
.Pomeroy, S .L., Tramayo, P., Gaasenbeek, M., Sturla, L. (200 ...

نمایش کامل مراجع