انتخاب ژن حاوی اطلاعات و طبقه بندی داده های ریز آرایه با استفاده از الگوریتم ژنتیک و شبکه عصبی خودسازمان ده

تکنولوژی ریزآرایه به عنوان ابزار قدرتمندی جهت تحلیل و بررسی رفتار هزاران ژن نقش به سزایی در تشخیص کشف و بررسی روش های درمان در انواع بیماری ها به خصوص سرطان دارد در ساخت ریزآرایه از پروب هایی استفاده می شود که هر کدام شامل چندین باز متصل ویا ژن می باشد هر باز طولی به اندازه 0.33 نانو متر دارد این پروب ها توسط روبات های مخصوصی در ریزآرایه قرار می گیرند دقت پیش بینی بیماری ها توسط روش هایی که روی داده ای ریزآریاه اعمال می شود وابستگی زیادی به مقادیر این ژن ها دارد از مهم ترین ویژگی های داده های ریزآرایه ابعاد بالا در برابر تعداد کم نمونه ها می باشد این عامل باعص بروز مشکلاتی در تحلیل این نوع داده ها شده است بنابراین از روش های انتخاب ویژگی جهت حل این مشکلات و ارائه مدلی ساده تر و دقیق تر استفاده می شود در این مقاله روشی برای یافتن ژن های حاوی اطلاعات و همچنین طبه بندی داده ای ریزآرایه پیشنهاد شده است روش پیشنهادی از سه بخش اصلی تشکیل شده است در بخش اول ابعاد اده ها با روش آماری آزمون t و شبکه عصبی som کاهش می یابند در بخش دوم به وسیله الگوریتم ژنتیک زیر مجموعه ای بینه حاوی ژن ها استخراج می شوند و در آخرین بخش ژن های حاوی اطلاعات با ارزش انتخاب می گردند در این روش به علت استافده از شبکه عصبی som ژن های مشابه گروه بندی شده و نماینده آن ها برای اسخت مدل استفاده می شود و همین امر باعث کاهش زمان اجرای برنامه نسبت به روش های پیشین شده است روش پیشنهادی جهت طبه بندی داده ای سرطان سینه بکار گرفته شد و توانست دقت طبقه بندی را نسبت به روش های پیشنهادی قبلی از 89 درصد به 94 درصد برساند.

کلیدواژه ها:

شبکه عصبی خودسازمان ده ، ریزآرایه ، الگوریتم ژنتیک ، الگوریتم KNN سرطان سینه