کاوش قوانین وابستگی در توالی های ویروس آنفولانزا

ویروس آنفولانزا از سال 1900 تاکنون، منجر به چهار اپیدمی مرگبار در سراسر جهان شده است: 1918-آنفولانزای اسپانیایی-H1N1، 1957-آنفولانزایآسیایی- H2N2، 1968-آنفولانزای هنگ کنگ- H3N2 و 2009- H1N1.علاوه بر شیوع سریع، نرخ بالای جهش اعم از تغییر آنتیژن و انحراف آنتیژن ،کارایی واکسن را کاهش دادهاست، از اینرو واکسن آنفولانزا نیاز به بازنگری سالانه دارد و بهاین دلیل استخراج سالانه الگوی ویروس در گردش، ضروری اس ت. مشکل دیگر این است که دیتاستهای آنفولانزا در تمام زیرگروههای آن، توزیع نامتوازنی دارد. از CBA، طبقهبندی بر اساس قوانین وابستگی، که یکی ازتکنیکهای دادهکاوی برای کشف قوانینی است که منجر به کلاس مشخصی میشوند، برای استخراج الگوی ویروس استفاده شد. برای حل مشکل عدم توازندادههای ویروس از زیرگروههای مختلف، آستانههای متفاوتی از support و confidence بر مبنای فرکانس هر زیرگروه در دیتاست استفاده شد. نهایتاتوانستیم قوانین با اطمینان بالا، تقریبا 100% ، برای هر کدام از زیرگروههای ویروس استخراج کنیم، برای نمونه در توالی DNA آنتیژن هماگلوتینین قانونC410=G ->H=1, Support=40%, Confidence=100% و قانون C1617=A ->H=3, Support=26%, Confidence=100% بدست آمد. قوانین بدست آمده، در سیستمهای مبتنی بر قانون، نیز با توجه به طول زیاد توالیها، در استخراج نواحی موثر در توالی بهمنظور کاهش حجم بالای داده، برای

کلیدواژه ها:

آنفولانزا ، کاوش قوانین وابستگی ، توالی