کاربرد روش کاهش ابعاد چندعاملی (MDR) در شناسایی مدل های چند لوکوسی دخیل در رخداد بیماری بهجت
محل انتشار: دوفصلنامه اندیشه آماری، دوره: 26، شماره: 1
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 142
فایل این مقاله در 9 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_ISS-26-1_007
تاریخ نمایه سازی: 21 شهریور 1401
چکیده مقاله:
الگوریتم کاهش بعد چندعاملی به عنوان یک الگوریتم توانمند برای شناسایی اثرات متقابل مراتب بالا در ساختارهای ابربعد محسوب میشود. در این تحقیق با استفاده از اطلاعات ۷۴۸ مورد بیمار مبتلا به بیماری بهجت که به مرکز تحقیقات روماتولوژی، بیمارستان شریعتی تهران مراجعه کرده بودند و ۷۷۶ شاهد سالم، برای شناسایی اثرات متقابل بین پلی مورفیسم های ژن ERAP۱ دخیل در رخداد بیماری بهجت از الگوریتم کاهش بعد چندعاملی استفاده شده است. محاسبات با استفاده از نرم افزار mdr ۳.۰.۲ انجام گرفته است. مدل های حاصل از الگوریتم کاهش ابعاد چند عاملی با دقت متعادل[۳] بالای ۶/۰ دخیل در افزایش ریسک بیماری بهجت تعیین شده اند. الگوریتم کاهش ابعاد چند عاملی توان و سرعت بالایی در محاسبه اثرات متقابل پلی مورفیسمها یا جهشهای ژنتیکی و شناسایی اثرات متقابل مهم و معنیدار دارد.
[۱] Sparsity
[۲] Separation
[۳] Balanced accuracy
کلیدواژه ها:
Multifactor dimensionality reduction algorithm ، Behcet’s disease ، gene-gen interaction ، الگوریتم کاهش ابعاد چندعاملی ، بیماری بهجت ، اثرات متقابل ژن-ژن
نویسندگان
انوشیروان کاظم نژاد لیلی
Tarbiat Modares University
پریسا ریاحی قره بابا
Tarbiat Modares University
شایان مصطفایی
kermanshah university of medical sciences
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 :