محمد تقی شاکری - ، دانشکده بهداشت، دانشگاه علوم پزشکی مشهد
احسان صباغیان - دانشگاه علوم پزشکی مشهد
حبیب الله اسماعیلی - دانشکده بهداشت، دانشگاه علوم پزشکی مشهد

چکیده زمینه و هدف: با گسترش روش های استخراج داده های ژنتیکی، روش های تجزیه و تحلیل این نوع داده ها نیز در حال توسعه می باشند. این مطالعه با هدف مقایسه یکی از پرکاربردترین روش های تجزیه و تحلیل این نوع داده ها، یعنی خوشه بندی انجام شده است. مواد و روش کار: در این پژوهش با استفاده از ۵ مجموعه داده مایکروآرایه، نه ترکیب روش خوشه بندی سلسله مراتبی تجمعی، سلسله مراتبی تقسیم شونده و K- میانگین با متریک های فاصله اقلیدسی، منهاتان و ضریب همبستگی پیرسون پیوند و با استفاده از شاخص پهنای نیمرخ با استفاده از روش نمونه گیری بوت استرپ مقایسه شده است. یافته ها: نتایج نشان داد روش خوشه بندی سلسله مراتبی تجمعی با پیوند متوسط دارای بهترین عملکرد بود. همچنین این روش در مقایسه با دیگر روش ها از پایایی بیشتری برخوردار بود. درعین حال روش خوشه بندی سلسله مراتبی تقسیم شونده عملکرد نسبتا مشابهی با روش خوشه بندی K- میانگین داشته است. نتیجه گیری: با توجه به نتایج می توان گفت که مبتنی بر شرایط موجود در داده ها بهترین روش خوشه بندی انتخاب می شود

Keyword: Clustering, Microarray, Bootstrap, Indicator to assess the of clustering methods, واژه های کلیدی: خوشه بندی, ریزآرایه, بوت استرپ, شاخص های ارزیابی نتایج روش های خوشه بندی