استنتاج شبکه هم بیانی ژن ها از روی ویژگی های منتسب شده به آنها به وسیله شبکه های عصبی مصنوعی

فرآیند شارش اطلاعات از DNA به پروتین ها که به بیان ژن موسوم است، یک فرآیند پایه ای در زیست شناسی است. تنظیم بیان ژن ها پاسخ سلول ها به محرک های فراوانی بوده و برای آنها حیاتی است. ژن ها با بیان مشابه در یک سری آزمایش مناسب، ژن های هم بیان، به طور معمول توسط تنظیم کننده های یکسان مدیریت می شوند و باز هم به طور معمول تغییر در بیان آنها پاسخ به محرک های یکسانی هستند. در این مقاله ما یک روش جدید ارایه کرده ایم که داده های مرتبط با بیان و هستی شناسی ژن ها را به کارگرفته و به وسیله آنها ژن های هم بیان را یافته و شبکه هم بیانی ژن ها را ایجاد می کند. در ابتدای روش ایجادشده یک شبکه عصبی مصنوعی روابط بین خصایص منتسب شده به ژن ها توسط پروژه هستی شناسی ژن ها و میزان مشابهتی که در بیان با یکدیگر دارند را فرا می گیرد. به سادگی، خصایص گردآوری شده توسط هستی شناسی ژن ها شامل عملکرد، فرآیند، و محل فعالیت ژن ها هستند. بعد از پایان مرحله یادگیری، شبکه عصبی مصنوعی قادر است ژن های هم بیان را کشف کند. به علاوه، شبکه های زیستی از چندین گروه ژنی به هم پیوسته ساخته شده اند، به همین دلیل یافتن این گروه ها می تواند کیفیت شبکه های هم بیانی ساخته شده را بالا ببرد. بنابراین، در گام بعدی روش، یک شبکه عصبی مصنوعی دیگر گروه ژن ها را از روی همان خصایص هستی شناسی پیدا می کند. تحلیل های ما نشان دادند که نتایج روش ایجادشده شباهت زیادی به نتایج آزمایشگاهی دارد. همچنین، ما نشان دادیم که شبکه های هم بیانی ساخته شده توسط آن مشابه هم ارزهای زیستی و حتی مشابه آنهایی است که با داده های بدون نقص ساخته شده اند. درنهایت، ما از زبان C++ برای نوشتن روش استفاده کرده ایم و برنامه آن در دسترس است.

کلیدواژه ها:

Gene Expression ، Neural Networks ، Unsupervised Machine Learning ، بیان ژن ، شبکه عصبی پس انتشار ، نگاشت خودسازمان دهنده