پیشگویی اختلالات ژنتیکی در نوزاد با دسته بندی ژنهای والدین

در این پژوهش از الگوریتم های داده کاوی، برای ساخت مدلی به منظور پیش بینی عقب ماندگی ذهنی نوزاد ویا سالم بودن وی، ازروی ژنهای مغلوب والدینش استفاده شده است. برای این منظور از داده هایی که نشان دهنده وضعیت پدر و مادر از لحاظ ژنتیکی است، استفاده میشود. سپس فازهای داده کاوی را بر روی این داده ها اعمال میکنیم. در فاز آماده سازی داده ها، ابتدا هرکدام از ویژگی هایی که شامل مقادیر مفقود هستند شناسایی شده و باتوجه به تعداد مقادیر مفقود در آن ویژگی، روشی برای برآورد آنها انجام میگردد. نقاط پرت نیزدر این فاز با الگوریتم های خوشه بندی Kmeans و Average Link شناسایی و حذف میشوند. از الگوریتم های دسته بندی مانند درخت تصمیم، شبکه ها عصبی و نزدیکترین همسایه برای ساخت مدل، با استفاده از داده های آموزشی استفاده شده است. نتایج به دست آمده از دقت مدلهای ایجاد شده بر روی داده های آزمایشی نشان میدهد که الگوریتم درخت تصمیم C4.5 با دقت 81/52 % از سایر الگوریتم ها بهتر میتواند معلول بودن یا نبودن نوزاد را پیش بینی کند.

کلیدواژه ها:

داده کاوی ، دسته بندی ، ژنهای مغلوب ، اختلال ژنتیکی