رضا حسن بیگی - دانشجو گروه کامپیوتر، موسسه آموزش عالی آپادانا، شیراز، ایران
سراج الدین کاتبی - استاد تمام گروه کامپیوتر، موسسه آموزش عالی آپادانا، شیراز، ایران
هاله همایونی - استاد یار گروه کامپیوتر، موسسه آموزش عالی آپادانا، شیراز، ایران

سرطان یکی از مرگبارترین بیماری هاست که سالانه میلیون ها نفر در سراسر دنیا با آن دست و پنجه نرم می کنند. شناسایی ژن های مرتبط با انواع سرطان که امضای ژنی نیز نامیده می شوند، در تشخیص و درمان به موقع، بسیار موثر می باشد. امضاهای ژنی سرطان ثابت کرده اند که ناپایدار، ناسازگار و دارای تناقض در مطالعات مستقل هستند و باعث بالا رفتن شک و تردید در مورد اعتبارشان، اهمیت زیستی و بالینی می شوند. در این مقاله پس از آشنایی با روش های رایج برای استخراج امضای ژنی، روش پیشنهادی مورد بررسی و ارزیابی قرار می گیرد. در روش پیشنهادی از نمونه گیری بوت استرپ برای تولید زیرمجموعه های متعدد استفاده می کنیم و همچنین برای مقابله با عدم توازن مجموعه داده ها علاوه بر معیار دقت از معیارهای تشخیص و حساسیت نیز استفاده می کنیم. برای کاهش ابعاد مجموعه داده از روش فیلترگذاری SAM استفاده می شود. روش های طبقه بندی به کاررفته SVM، RVM و Random forest می باشد.

داده کاوی، یادگیری ماشین، طبقه بندی، بیان ژن، امضای ژنی