پیشگویی نوع تومور ریوی با استفاده از مدل های SVM بر اساس خصوصیات ساختاری و فیزیکوشیمیایی پروتئین های درگیر

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 882

نسخه کامل این مقاله ارائه نشده است و در دسترس نمی باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

IBIS04_062

تاریخ نمایه سازی: 14 شهریور 1393

چکیده مقاله:

سرطان ریه یکی از بیماری هایی است که تشخیص آن بسیار سخت است. میزان بقای این نوع سرطان حدود 15٪ است. به منظور بهبود نرخ بقا، مانیاز به روش تشخیصی سریع برای تمایز بین تومورهای ریوی با یاخته های کوچک (SCLC) از تومورهای ریوی با یاخته های بزرگ(NSCLC) داریم، زیر ا بیماران مبتلا بهNSCLC متفاوت از کسانی است که مبتلا به تومور SCLC هستند، درمان می شوند. در این مطالعه ،ما یک سیستم معتبر تشخیصی براساس خصوصیات ساختاری و فیزیکی مشتق شده از توالی پروتئین های درگیر در هر نوع از تومورهای ریه، پیشنهاد می کنیم. این سیستم معتبر دارای دو مرحله است. 1. استخراج داده ها و انتخاب خصوصیات مهم. 2. طبقه بندی و پیش بینی. در مرحله ی استخراج داده ها، پروتئین هایی که در هر نوع از تومورهای ریه درگیر هستند با استفاده از ژن های تعریف شده توسط تجزیه و تحلیل های میکرواری به دست آمدند و 1497 خصوصی ت این پروتئین هاتوسط سرور PROFEAT محاسبه شد. سپس ویژگی های مهم مانند همبستگی، ترکیب دی پپتیذها و توصیفگر توزیع با استفاده از21 مدل وزن دهی انتخاب شدند. در مرحله دوم، هفت مدلSVM بر روی FCdb و مجموعه داده های به دست آمده از مدل های وزن دهی پیاده شد. علاوه بر این، دو مدل اعتبارسنجی برای جلوگیری از خطاها استفاده شده است. نتایج پروسه ی ما نشان داد که دقت پیش بینی نوع تومور ریوی (NSCL ،SCLC یا مشترک) حدود 76/18 درصد به دست آمد.

کلیدواژه ها:

طبقه بندی و پیشگویی سرطان ریه ، خصوصیات ساختاری و فیزیکوشیمیایی ، مدل های وزن دهی و SVM

نویسندگان

فائزه حسین زاده

آزمایشگاه بیوفیزیک و زیست شناسی مولکولی، مرکز تحقیقات بیوشیمی و بیوفیزیک، دانشگاه تهران، تهران، ایران

امیر حسین کیوانجو

گروه زیست شناسی، دانشگاه علوم و گروه تحقیقاتی بیوانفورماتیک، دانشگاه قم، قم، ایران

محمد رضا بختیاری زاده

گروه علوم جانوری، دانشکده منابع طبیعی و کشاورزی، دانشگاه تهران، کرج، ایران

منصور ابراهیمی

گروه زیست شناسی، دانشکده علوم و گروه تحقیقاتی بیوانفورماتیک، پژوهشکده سبز، دانشگاه قم، قم، ایران