کاربرد روشهای بهره اطلاعاتی و Relief-F برای انتخاب ژن های دارای اطلاعات مفید جهت دسته بندی بیماری با استفاده از ریزآرایه های بیان ژنی

با توجه به پژوهش های اخیر مشخص شده است که ریز آرایه های بیان ژنی برای دستهبندی بیماریها مفید هستند. دسته بندی بر اساس داده های ریز آرایه های بیان ژنی با دسته بندی دیگر انواع داده ها بسیار متفاوت است زیرا تعداد ویژگیها (ژن ها) از تعداد نمونه ها (نمونه های بافتی) بسیار فراتر است. با این حال مشخص شده است که انتخاب یک مجموعه کوچک از ژن های دارای اطلاعات مفید میتواند منجر به بهبود دقت دسته بندی به سطح مورد نظر گردد. بنابراین، استفاده از روشهای انتخاب ویژگی پیش از انجام دسته بندی بسیار رایج شده اند که در حوزه روشهای یادگیری ماشین، دو مورد از موفق ترین روشهای انتخاب ویژگی، »بهره اطلاعاتی« و «Relief-F» هستند. در این پژوهش، عملکرد برخی از این روشها بر روی یک مجموعه داده ریز آرایه بیان ژنی ارزیابی شده است. بدین منظور روش Relief-F و بهره اطلاعاتی در حالت های بهره اطلاعاتی تکی و بهره اطلاعاتی دوگانه با دسته بندی بر روی یک مجموعه داده شامل اطلاعات ژنوم افراد مختلف با نام GDS32268 اعمال شده است که نتایج پیاده سازی نشانگر نتایج قابل قبول از اعمال این روشها بر روی مجموعه داده های در نظر گرفته شده، میباشد.

کلیدواژه ها:

الگوریتم بهره برداری اطلاعاتی ، الگوریتم Relief-F ، ریز آرایه بیان ژن ، انتخاب ویژگی