Presenting a Meta-Heuristic Algorithm to Detect Regulatory Elements in the Genome of Breast Cancer Patients

زمینه و هدف: امروزه در دانش پزشکی، روش­های تشخیص علائم و کشف بیماری­ها، بسیار وسیع و گسترده شده است. درنتیجه، تحلیل کلیه عوامل دخیل در یک بیماری، اغلب چالش­برانگیز است؛ بنابراین به یک سیستم مکانیزه برای کمک به کشف قوانین، شناسایی الگوهای موجود و پیش بینی رخ دادهای آینده، کاملا احساس می­شود. در این تحقیق قصد داریم با استفاده از یک الگوریتم فراابتکاری چندهدفه، روشی را ارائه کنیم که بتواند توالی­های تنظیمی (Regulatory Elements) با طول متغیر از ژنوم را کشف و استخراج کرده و برهم­کنش­های بین آ­ن­ها را نیز شمارش کند. درواقع این توالی تنظیمی می­توانند نقش قابل توجهی در بروز و تشدید بیماری سرطان ایفا ­کنند. مواد و روش ها: در این پژوهش، از یک متد پیشنهادی جهت کشف توالی تنظیمی در ژنوم بیمار مبتلا به سرطان سینه استفاده شده است. متد پیشنهادی در نرم­افزار Matlab پیاده­سازی شده است. همچنین، جهت سنجش عملکرد و کارایی روش پیشنهادی، الگوریتم موردنظر بر روی مجموعه داده­های Hi-C (Hi-C Dataset) مربوط به بیماران مبتلا به سرطان سینه در دو رده سلول خونی ۱۲۸۷۸GM و +۳۴CD معرفی شده توسط میفسود و همکاران، اجرا ­گردید. نتایج: اجرای روش پیشنهادی با روش HiCUP مورد مقایسه قرار گرفت. نتایج نشان می­دهند که روش MSARE در کشف توالی­های تنظیمی، عملکرد بهتری را نسبت به روش HiCUP داشته است. نتیجه ­گیری: در این پژوهش، بررسی­های تجربی نشان می­دهند که دو پروموتر ۶BLC و HOTTIP کشف­شده توسط روش پیشنهادی در هر دو سلول خونی ۱۲۸۷۸GM و +۳۴CD در بروز و تشدید بیماری سرطان سینه تاثیر معنی­داری داشته­اند.

کلیدواژه ها:

Regulatory Elements ، Meta-Heuristic Algorithm ، BLC۶ Promoter ، HOTTIP Promote ، توالی تنظیمی ، سرطان سینه ، HiCUP ، الگوریتم فراابتکاری ، پروموتر BLC۶ ، پروموتر HOTTIP.