معرفی ژن GRAP به عنوان ژن نامزد عامل آلزایمر با استفاده از تحلیل داده های ریزآرایه

اهداف: شناسایی ژن های دخیل در بروز یک بیماری، یکی از حوزه های مهم تحقیقات پزشکی است که به تشخیص مکانیزم بیماری و در پی آن تشخیص به موقع و درمان بهتر بیماری کمک می کند. در سال های اخیر فناوری ریزآرایه به دانشمندان علوم زیستی برای فهم فرآیندهای سلولی کمک شایانی کرده است. بدین منظور استفاده از روش های کارآمد در تحلیل داده های ریزآرایه بسیار کلیدی است. هدف مطالعه حاضر معرفی ژن GRAP به عنوان ژن نامزد عامل آلزایمر با استفاده از تحلیل داده های ریزآرایه بود. مواد و روش ها: در مطالعه بیوانفورماتیکی حاضر که روی یک مجموعه داده ریزآرایه مربوط به آلزایمر شامل ۱۲۹۹۰ ژن، ۱۵ فرد بیمار و ۱۶ فرد سالم صورت گرفت، با ترکیب روش های فیشر، تجزیه و تحلیل اهمیت میکروآرایه (SAM) و الگوریتم بهینه سازی ازدحام ذرات (PSO) و با استفاده از روش طبقه بندی و رگرسیون مبتنی بر درخت تصمیم (CART)، روش جدیدی به منظور تحلیل داده های بیان ژن ریزآرایه، برای شناسایی ژن های دخیل در بروز آلزایمر ارایه شد. یافته ها: سطح دقت مدل به دست آمده ۹۰/۳۲% بود و ارزیابی نتایج از دیدگاه زیستی نشان داد که روش پیشنهادی موفق عمل کرده و در نهایت ۴ ژن ارایه کرده است که ۳ ژن از این ۴ ژن (۷۵%)، تاکنون به عنوان ژن های دخیل در آلزایمر در منابع زیستی معتبر گزارش شده اند. نتیجه گیری: این مطالعه علاوه بر ارایه یک روش انتخاب ویژگی جدید و تلفیقی برای تحلیل داده های ریز آرایه، یک ژن جدید (GRAP) به عنوان ژن نامزد مرتبط با آلزایمر معرفی کرده است.

کلیدواژه ها:

Microarray ، Decision Tree ، Machine Learning ، ریزآرایه ، درخت تصمیم ، یادگیری ماشین