تشخیص لوسمی لنفوسیتی و میلوئیدی حاد با استفاده از انتخاب ژن داده های ریز آرایه و الگوریتم های داده کاوی

چکیده سابقه و هدف تکنولوژی ریزآرایه، یک تصویر کلی از میزان بیان هزاران ژن به طور هم زمان ارایه می دهد. تفسیر داده های ریز آرایه بدون آنالیز آماری و روش های هوش مصنوعی ممکن نیست. هدف این مقاله، تشخیص انواع لوسمی حاد با استفاده از مجموعه داده های ریز آرایه و الگوریتم های داده کاوی بود. مواد و روش ها در این مطالعه توصیفی از داده های بیان ۷۱۲۹  ژن مربوط به ۷۲ بیمار مبتلا به لوسمی استفاده شد. سپس با انتخاب ژن های مهم بر اساس روش های ضریب همبستگی، بهره اطلاعاتی، نسبت بهره و امتیاز Fisher و با استفاده از روش های جداکننده خطی، ماشین بردار پشتیبان، k نزدیک ترین همسایه، بیزین ساده، شبکه بیزین، نزدیک ترین میانگین، رگرسیون لجستیک، شبکه عصبی پرسپترون چند لایه و درخت تصمیم J۴۸ برروی ژن های انتخاب شده به تشخیص لوسمی میلوژنیک و لنفوسیتیک حاد پرداخته شد. یافته ها روش های نزدیک ترین میانگین، ماشین بردار پشتیبان، k نزدیک ترین همسایه، بیزین ساده و شبکه عصبی پرسپترون چند لایه با استفاده از ۳۹ ژن انتخاب شده توسط نسبت بهره با دقت ۱۰۰٪ ، قادر به تشخیص لوسمی میلوژنیک و لنفوسیتیک حاد هستند. هم چنین روش ماشین بردار پشتیبان با استفاده از ۸۷ ژن انتخاب شده توسط بهره اطلاعاتی و روش شبکه عصبی پرسپترون چند لایه با استفاده از ۱۳۳ ژن انتخاب شده توسط بهره اطلاعاتی با دقت ۱۰۰٪ ، قادر به تشخیص آن می باشند. نتیجه گیری نتایج این مطالعه نشان داد که انتخاب ژن ها و الگوریتم های داده کاوی قادر به تشخیص انواع لوسمی با دقت بسیار بالایی هستند، بنابراین با استفاده از این روش ها، می توان تصمیمات مناسبی در مورد نحوه تشخیص و درمان بیماران گرفت.

کلیدواژه ها:

Key words: Acute Lymphoid Leukemia ، Acute Myeloid Leukemia ، Microarray Analysis ، Data Mining ، کلمات کلیدی: لوسمی لنفوسیتیک حاد ، لوسمی میلوژنیک حاد ، آنالیز ریز آرایه ، داده کاوی