شناسایی بیماران پسوریازیس با استفاده از بیان پروفایل های ژنی و الگوریتم های یادگیری ماشین

پسوریازیس یکی از بیماری های خودایمن است که تاثیرات جدی بر کیفیت زندگی بیماران دارد. علاوه بر مشکلات جسمی، درمان قطعی این بیماری و چالش های روانی و اجتماعی همراه دارد. با وجود تحقیقات گسترده، هنوز علت دقیق این بیماری و درمان قطعی آن کشف نشده است و برای آن چالش های روانی را نیز به همراه دارد. هدف این پژوهش، شناسایی افراد سالم و بیمار برای بهره گیری از میان پروفایل های ژنی و الگوریتم های مختلف یادگیری ماشین است. برای این منظور، داده های ناقص و گم شده تا کیفیت داده ها افزایش یابد و تحلیل ها دقیق تر انجام شود. پیش پردازش، داده های ناقص و گم شده حذف و با روش های مختلف جایگزین شد. سپس مشکل عدم توان در داده ها که مسائل ژنتیکی است، رفع شده است. این روش تولید داده های مصنوعی برای کلاس نابرابر، افزایش تعادل داده ها را بهبود می بخشد. در نهایت، داده ها به دو دسته آموزش و آزمایش تقسیم بندی شدند و با استفاده از روش های مختلف یادگیری ماشین نتایج ارزیابی شدند. پس از بررسی نتایج، الگوریتم پشتیبان با دقت بالا و توانایی ویژه در پردازش داده های پیچیده و تحلیل ژنتیکی با به دست آوردن دقت ۹۸٫۱۰ بهترین عملکرد را داشت که نشان دهنده عملکرد قوی این الگوریتم در پیش بینی و تحلیل داده های پیچیده است. تحلیل های نهایی پژوهش منجر به شناسایی ژن های کلیدی شامل D۱SNDS۲ ،p۱۷GGCLE ،EPOR ،CSF۲ شده و می تواند در شناسایی مسیرهای مولکولی بیماری و طراحی درمان های هدفمند موثر باشند.

کلیدواژه ها:

پسوریازیس ، بیان پروفایل های ژنی ، یادگیری ماشین