تشخیص سرطان با استفاده از تغییرات DNA بر مبنای الگوریتم های یادگیری عمیق

روند رو به گسترش ابتلا به بیماری سرطان در سالیان اخیر دانشمندان را به بررسی جنبههای مختلف آن ترغیب نموده است. پایه ژنتیکی بیماری سرطان الزام کاوش در اجزای ژنی داخلی سلولهای بدن را میرساند. در تعیین توالیDNA ، ترتیب قرار گرفتن نوکلئوتیدها (آم ) ینواسیدها در یک قطعه از DNA فرد استخراج میگردد. از ترتیب توالی DNA میتوان جهت موارد مختلفی پمانند یشی بینی بانواع یماریها سرطان استفاده نمود. در این تحقیق جهت تشخیص و پیشبینی سرطان بر اساس تغییرات توالی DNA به مقایسه الگوریتمهای مختلف یادگیری عمیق ا . پرداخته یم مجموعه دادههای مورد استفاده در این پژوهش از دادههای سایت TCGAاستخراج شده است. با توجه به نامتوازن بودن دیتاست ابتدا آنرا متوازن نموده سپس با ارائه معماریهای مناسب جهت سه شبکه یادگیری عمیق LSTM, CNN, FCNNبه دسته بندی داده ها به دو دسته سالم و سرطانی پرداخته شده است. در نهایت با استفاده از معیارهای مختلف ارزیابی، نتایج حاصل آنالیز شده اند. از آنجایی که شبکه LSTM می تواند یک سری زمانی را به خوبی مدل نموده و رابطه بین تاخیرها با فاصله های متفاوت را در توالی DNA کشف نماید، بالاترین دقت (حدود ۲۸ درصد) دسته بندی را به خود اختصاص داده است.

کلیدواژه ها:

توالی DNA ، سرطان ، داده های نامتوازن ، یادگیری عمیق ، LSTM