میثم تسلی زاده خمس - Department of Statistics, Tarbiat Modares University, Tehran, Iran.
زهرا رضایی قهرودی - Statistical Research and Training Center, Tehran, Iran.

روش های متعددی برای خوشه بندی داده های بیان ژن دوره ای زمانی وجود دارد ولی محدودیت هایی برای این روش ها وجود دارد که از جمله آن ها می توان به عدم در نظر گرفتن همبستگی در طول زمان و زمان بر بودن محاسبات اشاره داشت. در این مقاله با معرفی مدل های اثرات آمیخته ی ناپارامتری و نیمه پارامتری، این همبستگی در طول زمان در نظر گرفته شده و با استفاده از اسپلاین تاوانیده، حجم محاسبات به طور چشم گیری کاهش یافته است. در پایان با استفاده از مطالعه شبیه سازی عملکرد روش پیشنهادی با روش های قبلی مقایسه و با استفاده از ملاک BIC، مدل مناسب تر انتخاب و تحلیل می شود. همچنین روش پیشنهادی در یک مثال کاربردی داده های بیان ژن دوره ای زمانی ارائه شده است.

Longitudinal Profiles, Spline Smoothing, Penalized Spline, Linear Mixed Effects Model, Model- Based Clustering, Gene Expression, پروفایل های طولی, هموارسازی اسپلاین, اسپلاین تاوانیده, مدل اثرات آمیخته خطی, خوشه بندی مدل پایه, بیان ژن