کاربرد روش کاهش ابعاد چندعاملی (MDR) در شناسایی مدل های چند لوکوسی دخیل در رخداد بیماری بهجت
- سال انتشار: 1400
- محل انتشار: دوفصلنامه اندیشه آماری، دوره: 26، شماره: 1
- کد COI اختصاصی: JR_ISS-26-1_007
- زبان مقاله: فارسی
- تعداد مشاهده: 243
نویسندگان
Tarbiat Modares University
Tarbiat Modares University
kermanshah university of medical sciences
چکیده
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 accuracyکلیدواژه ها
Multifactor dimensionality reduction algorithm, Behcet’s disease, gene-gen interaction, الگوریتم کاهش ابعاد چندعاملی, بیماری بهجت, اثرات متقابل ژن-ژناطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.