ارائه یک روش خوشه بندی گراف-محور جهت شناسایی جمعیت های سلولی در داده های توالی یابی RNA سلول-منفرد

سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 80

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JHBMI-7-1_007

تاریخ نمایه سازی: 9 مرداد 1403

چکیده مقاله:

مقدمه: استفاده از فناوری «توالی­ یابی RNA سلول-منفرد» باعث شناخت بهتر ساختارهای سلولی شده و داده های با وضوح بسیار بالایی از بیان ژن های مختلف هر سلول را در یک زمان واحد ارائه می دهد. یکی از زمینه­ های پرکاربرد در این حوزه، خوشه­بندی داده­ ها بر اساس ژن های بیان شده است که بعضا منتج به شناسایی جمعیت­ های سلولی جدید می­گردد. عملکرد روش­ های پیشنهادی عمدتا به شکل جمعیت­ ها و ابعاد داده­ ها بستگی دارد؛ لذا توسعه یک روش که بتواند فارغ از این موانع به شناسایی جمعیت­ های سلولی بپردازد، بسیار مهم است. روش: در روش پیشنهادی که یک روش کتابخانه­ ای بود، ابتدا تعداد جمعیت های سلولی تخمین زده شد. این تخمین از آن جهت اهمیت دارد که در دنیای واقعی، اطلاعات اولیه مثل تعداد و نوع جمعیت های سلولی در دسترس نیست. سپس با استفاده از یک کرنل گاوسی مبتنی بر گراف، ضمن کاهش ابعاد مسئله، اقدام به شناسایی جمعیت های سلولی با روش خوشه بندی kmeans++ شد. نتایج: نتایج پیاده سازی نشان داد که روش پیشنهادی می تواند نسبت به سایر روش های یادگیری ماشین ارائه شده در این زمینه، بهبود قابل قبولی را حاصل کند. به عنوان مثال برای معیار ARI، مقادیر ۱۰۰، ۹۳/۴۷ و ۸۴/۶۹ به ترتیب برای مجموعه داده های سلول-منفرد Kolod، Buettner و Usoskin حاصل شد. نتیجه­ گیری: روش پیشنهادی بدون هیچ اطلاعات اولیه در مورد تعداد و نوع جمعیت های سلولی و فارغ از ابعاد بالای مسئله، می­تواند اقدام به خوشه بندی و در نتیجه شناسایی جمعیت های سلولی با دقت و کیفیت بالایی نماید.

کلیدواژه ها:

Single-cell RNA-sequencing ، Clustering ، Identification of Cell Populations ، Graph-based Gaussian Kernel ، توالی یابی RNA سلول-منفرد ، خوشه بندی ، شناسایی جمعیت های سلولی ، کرنل گاوسی مبتنی بر گراف

نویسندگان

امین عینی پور

Ph.D. Student in Computer Engineering, Computer Engineering Dept., Faculty of Engineering, Dezful Branch, Islamic Azad University, Dezful, Iran

محمد مصلح

Ph.D. in Computer Engineering, Assistant Professor, Computer Engineering Dept., Faculty of Engineering, Dezful Branch, Islamic Azad University, Dezful, Iran

کریم انصاری اصل

Ph.D. in Biomedical Engineering, Associate Professor, Electrical Engineering Dept., Faculty of Engineering, Shahid Chamran University of Ahvaz, Ahvaz, Iran

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Wang Z, Gerstein M, Snyder M. RNA-Seq: A Revolutionary Tool ...
  • Nagalakshmi U, Waern K, Snyder M. RNA-Seq: A Method for ...
  • Eberwine J, Sul JY, Bartfai T, Kim J. The promise ...
  • Tang F, Barbacioru C, Wang Y, Nordman E, Lee C, ...
  • Poirion OB, Zhu X, Ching T, Garmire L. Single-Cell Transcriptomics ...
  • Kharchenko PV, Silberstein L, Scadden DT. Bayesian approach to single-cell ...
  • Nguyen A, Khoo WH, Moran I, Croucher PI, Phan TG. ...
  • Xiaoqing Yu, Y. Ann Chen, Jose R. Conejo-Garcia, Christine H. ...
  • Jaitin DA, Kenigsberg E, Keren-Shaul H, Elefant N, Paul F, ...
  • Zurauskiene J, Yau C. pcaReduce: Hierarchical Clustering of Single Cell ...
  • Guo M, Wang H, Potter SS, Whitsett JA, Xu Y. ...
  • Xu C, Su Z. Identification of cell types from single-cell ...
  • Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest, Clifford ...
  • Bie R, Mehmood R, Ruan S, Sun Y, Dawood H. ...
  • Alpaydin E. Introduction to Machine Learning. ۳rd ed. Cambridge: MIT ...
  • Wang B, Mezlini AM, Demir F, Fiume M, Tu Z, ...
  • Arthur D, Vassilvitskii S. K-means++: The advantages of careful seeding. ...
  • Buettner F, Natarajan K, Casale F, Proserpio V, Scialdone A, ...
  • Usoskin D, Furlan A, Islam S, Abdo H, Lӧnnerberg P, ...
  • Wang Z, Gerstein M, Snyder M. RNA-Seq: A Revolutionary Tool ...
  • Nagalakshmi U, Waern K, Snyder M. RNA-Seq: A Method for ...
  • Eberwine J, Sul JY, Bartfai T, Kim J. The promise ...
  • Tang F, Barbacioru C, Wang Y, Nordman E, Lee C, ...
  • Poirion OB, Zhu X, Ching T, Garmire L. Single-Cell Transcriptomics ...
  • Kharchenko PV, Silberstein L, Scadden DT. Bayesian approach to single-cell ...
  • Nguyen A, Khoo WH, Moran I, Croucher PI, Phan TG. ...
  • Xiaoqing Yu, Y. Ann Chen, Jose R. Conejo-Garcia, Christine H. ...
  • Jaitin DA, Kenigsberg E, Keren-Shaul H, Elefant N, Paul F, ...
  • Zurauskiene J, Yau C. pcaReduce: Hierarchical Clustering of Single Cell ...
  • Guo M, Wang H, Potter SS, Whitsett JA, Xu Y. ...
  • Xu C, Su Z. Identification of cell types from single-cell ...
  • Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest, Clifford ...
  • Bie R, Mehmood R, Ruan S, Sun Y, Dawood H. ...
  • Alpaydin E. Introduction to Machine Learning. ۳rd ed. Cambridge: MIT ...
  • Wang B, Mezlini AM, Demir F, Fiume M, Tu Z, ...
  • Arthur D, Vassilvitskii S. K-means++: The advantages of careful seeding. ...
  • Buettner F, Natarajan K, Casale F, Proserpio V, Scialdone A, ...
  • Usoskin D, Furlan A, Islam S, Abdo H, Lӧnnerberg P, ...
  • نمایش کامل مراجع