استخراج ویژگی چندمتغیره برای پیش بینی ماتریس بیان ژنی آینده

مقدمه: ویژگی های یک سلول را می توان با بررسی ماتریس بیان ژنی مربوط به آن سلول تعیین کرد. اگر بتوان ماتریس های بیان ژنی مربوط به سلول های فرزند آینده را پیش بینی کرد، در حقیقت ویژگی های سلول های آینده پیش بینی شده اند. هدف مطالعه حاضر، طراحی یک شبکه عصبی مصنوعی برای پیش بینی ماتریس های بیان ژنی برای سلول های فرزندی است که از تقسیم/تمایز سلول های بنیادی هماتوپویتیک در آینده به دست خواهند آمد. روش: شبکه عصبی طراحی شده ماتریس بیان ژنی یک سلول بنیادی هماتوپویتیک والد را به عنوان ورودی می گیرد و ماتریس های بیان ژنی مربوط به سلول های فرزند آینده آن را تولید می کند. یک کدگذار زمانی برای کدگذاری سری زمانی اصلی و یک کدگذار مکانی برای کدگذاری سری های زمانی ثانویه پیشنهاد می شود. نتایج: برای آن که پیش بینی قابل پذیرشی انجام شود، باید ماتریس­های بیان ژنی مربوط به دست­کم چهار مرحله اولیه از تقسیم/تمایز مشخص باشند. شبکه عصبی طراحی­شده از نظر خطای پیش بینی و تعداد مراحل تقسیم/تمایز که به درستی پیش بینی شده باشند، نسبت به شبکه­های عصبی موجود بهتر عمل می کند. طرح پیشنهادی این مطالعه می­تواند پیش بینی را برای صدها مرحله از تقسیم/تمایز سلولی انجام دهد. خطای طرح پیشنهادی برای پیش­بینی ۱، ۴، ۱۶، ۶۴ و ۱۲۸ مرحله از تقسیم/تمایز به ترتیب برابر با ۳/۰۴، ۳/۷۶، ۵/۵، ۷/۸۳، و ۱۱/۰۶ درصد بوده است. نتیجه گیری: با داشتن ماتریس بیان ژنی مربوط به یک سلول هما توپویتیک والد می توان ماتریس های بیان ژنی مربوط به فرزندان آن را تا صدها مرحله از تقسیم/تمایز پیش بینی کرده و در صورت لزوم، به موقع چاره ای برای روبه رو شدن با مشکلات ژنتیکی آینده اندیشید.

کلیدواژه ها:

Hematopoietic Stem Cell ، Neural Network ، Multivariate Time Series ، Gene Expression Profile ، Prediction ، سلول بنیادی هماتوپویتیک ، شبکه عصبی ، سری زمانی چندمتغیره ، ماتریس بیان ژنی ، پیش بینی