کاهش بعد داده های توالی جایگاه های پیوند روی ژنوم انسان با استفاده از شبکه ی عصبی عمیق اتوانکودر

استفاده از توالی­های نوکلئوتیدی ژنوم به عنوان سیگنال­های بیوشیمیایی در روش­های یادگیری ماشین، با تبدیل این توالی­ها به کدهای عددی امکان­پذیر است و این تبدیل باعث افزایش غیرواقعی بعد داده­ها شده و انجام عملیات­های تحلیل داده، مانند بصری­سازی و استخراج ویژگی را با محدودیت­هایی روبه رو می­سازد. از این رو، باید با استفاده از روش­های کاهش بعد، داده­ها را به فضای واقعی برگرداند. در این پژوهش از یک شبکه ی عصبی عمیق اتوانکودر به منظور کاهش بعد داده­های توالی مربوط به جایگاه­های پیوند روی ژنوم انسان استفاده شده است. به منظور بررسی میزان حفظ اطلاعات داده­های اصلی در داده­های کاهش بعد یافته، از یک طبقه­بندی دوکلاسه به وسیله ی ماشین بردار پشتیبان استفاده می­شود. نتایج به دست آمده نشان می­دهد که اطلاعات تقریبا به طور کامل در فشرده­سازی حفظ می­شود. سپس از داده­های فشرده شده برای بصری­سازی و هم چنین انتخاب ویژگی با تحلیل واریانس استفاده می­شود. نتایج به دست آمده نشان می­دهد که مکان­های اول، دهم و هشتم در توالی­ها دارای بیشترین اطلاعات هستند. درحالی که عمده ی پژوهش­های پیشین روی داده­های بیان ژن حاصل از میکروآرایه، متمرکز شده­اند و مقایسه ی محدودی بین روش­های کاهش بعد در آن ها انجام شده است. این مقاله برای نخستین بار، داده­های نوکلئوتیدی توالی را با شبکه ی اتوانکودر، کاهش بعد داده و مقایسه ی جامعی بین انواع روش­های کاهش بعد و یادگیری ماشین ارائه می­دهد.

کلیدواژه ها:

اتوانکودر ، کاهش بعد ، توالی ژنوم ، طبقه بندی ، استخراج ویژگی