خوشهبندی مبتنی بر گراف با استفاده از آزمون ویلکاکسون جهت استخراج ارتباطات بیولوژیکی سلولها و بافتها
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 357
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_TJEE-50-3_034
تاریخ نمایه سازی: 4 آذر 1399
چکیده مقاله:
شناسایی خوشهبندی مبتنی بر گراف یک روش کاربردی برای تشخیص ارتباط بین گرهها در شبکههای پیچیده بوده که نظرات قابلتوجهی را به خود جلب کرده است. ازآنجاییکه تشخیص جوامع مختلف در دادههایی با مقیاس بزرگ یک کار چالشبرانگیز است، با درک ارتباط رفتار عناصر در جامعه(خوشه)، میتوان ویژگی کلی خوشهها را پیشبینی کرد. روشهای خوشهبندی مبتنی بر گراف به دلیل توانایی آنها برای نشان دادن ارتباط بین دادهها، نقش مهمی را در خوشهبندی دادههای بیان ژن ایفا کردهاند. برای اینکه بتوان ژنهای مؤثر در بروز بیماریها را تشخیص داد، باید ارتباط بین سلولها و یا بافتها را به دست آورد. تعامل بین سلولها و یا بافتهای مختلف را میتواند با بیان ژنهای مختلف بین آنها نشان داد. در این پژوهش مسئله ارتباطات سلول به سلول و بافت به بافت بهصورت یک گراف بیانشده و با تشخیص اجتماعات روابط استخراج میشوند. برای شبیهسازی و محاسبه میزان شباهت بین سلولها و بافتها از پایگاه داده فانتوم 5 استفاده میشود. پس از پیشپردازش و نرمالسازی دادهها، برای تبدیل این دادهها به گراف، میزان بیان ژن در سلولها و بافتهای مختلف بررسیشده و با در نظر گرفتن یک حد آستانه و آزمون ویلکاکسون، با استفاده از خوشهبندی ارتباطات بین آنها شناسایی شدند.
کلیدواژه ها:
خوشهبندی مبتنی بر گراف ، بیان ژن ، نرمالسازی ، ویلکاکسون ، ارتباطات سلول - سلول ، ارتباطات بافت - بافت
نویسندگان
موسی مجرد
دانشکده مهندسی برق و کامپیوتر – واحد یاسوج – دانشگاه آزاد اسلامی
حمید پروین
دانشکده مهندسی برق و کامپیوتر – واحد نورآباد ممسنی – دانشگاه آزاد اسلامی
صمد نجاتیان
دانشکده مهندسی برق و کامپیوتر – واحد یاسوج – دانشگاه آزاد اسلامی
وحیده رضایی
دانشکده مهندسی برق و کامپیوتر - دانشگاه آزاد اسلامی
کرم الله باقری فرد
دانشکده مهندسی برق و کامپیوتر – واحد یاسوج – دانشگاه آزاد اسلامی
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :