تینا تربالی - School of Electrical Engineering, IUST, Tehran
سینا مجیدیان - School of Electrical Engineering, IUST, Tehran
محمد حسین کهایی - School of Electrical Engineering, IUST, Tehran

تخمین هاپلوتایپ بر اساس اطلاعاتDNA برای کشف بیماری­های ژنتیکی انسان استفاده می­شود. این مسئله در پردازش ژنومی سیگنال­ها به صورت یک ماتریس رتبه­پایین قابل مدل سازی است که به علت محدودیت­های موجود در خوانش هاپلوتایپ، فقط تعداد کمی از درایه­ها مشاهده می­شوند. در نتیجه یک روش موثر برای بازیابی هاپلوتایپ از مشاهدات ناقص، استفاده از روش­های تکمیل ماتریس است.  در این مقاله به کمک روش­های تکمیل ماتریس، سعی در تخمین هاپلوتایپ از طریق فاکتورسازی ماتریسی شده­است. در مراجع از روش گرادیان کاهشی برای حل مسئله استفاده شده­است. اما در روش های قبلی داده­های پرت نیز در محاسبات وارد می­شود که باعث خطا در تخمین هاپلوتایپ شده است. به عبارتی در این روش­ها به شروط موجود برای ماتریس­های هاپلوتایپ توجه نشده است و این موضوع باعث تخمین داده­های پرت برای هاپلوتایپ شده است. در این مقاله با روش تکمیل ماتریس و با در نظر گرفتن این شروط در ماتریس هاپلوتایپ، یک تابع هزینه جدید به صورت عبارت جریمه برای تخمین هاپلوتایپ معرفی می­کنیم. عبارت جدید اضافه شده به تابع هزینه باعث می­شود که اثر داده­های پرت کاهش یافته و در نتیجه دقت تخمین هاپلوتایپ افزایش می­یابد. نتایج شبیه سازی نیاز کاهش خطای بازیابی هاپلوتایپ را تایید می کند.

Haplotype estimation, low rank matrix, matrix completion., تخمین هاپلوتایپ, ماتریس رتبه پایین, تکمیل ماتریس.