تعریف نشانگرهای پایا برای بیماری های پیچیده با استفاده از شبکه های برهمکنش پروتئین
محل انتشار: هشتمین کنفرانس بین المللی فناوری اطلاعات ودانش
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 725
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICIKT08_113
تاریخ نمایه سازی: 5 بهمن 1395
چکیده مقاله:
در گذشته بسیاری از محققان به منظور تشخیص بیماری، تلاش میکردند با استفاده از داده های ریزآرایه، به یافتن ژن های دارای بیشترینمیزان تغییر بیان ژنی بپردازند. اما با توجه به اینکه این ژن ها در مجموعه داده های دیگر پایا نیستند، یعنی نشانگرهای بدست آمده براییک مجموعه داده از یک نوع بیماری الزاما نشانگر های مناسبی برای مجموعه داده ای دیگر از همان نوع بیماری نیستند، امروزه روشهایجدیدتری به وجود آمده است که در آنها سعی می شود از اطلاعات موجود در شبکه های ژنی نیز استفاده شود.در این پژوهش روشی مبتنی بر شبکه ارائه شده است که در آن با بهره گیری از داده های بیان ژنی و شبکه برهمکنش پروتئین-پروتئین به رتبه بندی ژن ها با استفاده از روشی مشابه روش قدم زنی تصادفی پرداخته شده است. پس از آن با انتخاب ژن های با رتبهبالاتر، زیر شبکه هایی مت شکل از هر یک از این چند ژن و ژن هایی که در شبکه به آنها خیلی نزدیک و با آنها هم بیان هستند، حاصلشده است و ویژگی هایی به منظور طبقه بندی از روی این زیرشبکه ها بدست آمده است، در پایان نشانگرهای پایا معرفی شده اند . الگوریتمارائه شده بر روی داده های چهار نوع سرطان از نه مجموعه داده مختلف تست شده است و مشاهده شده که در روش ارائه شده ژن هایی (وزیر شبکه هایی) که برای ت شخیص بیماری بکار گرفته می شوند به نسبت روشهای پیشین می تواند نتایج بهبود یافته تر و پایاتری را ارائهکنند.
نویسندگان
محمد حاتمی
گروه تحقیقاتی پایگاه داده، قطب علمی کنترل و پردازش هوشمند، دانشکده مهندسی برق و کامپیوتر، دانشگاه تهران
مسعود رهگذر
گروه تحقیقاتی پایگاه داده، قطب علمی کنترل و پردازش هوشمند، دانشکده مهندسی برق و کامپیوتر، دانشگاه تهران
کاوه کاوسی
آزمایشگاه سیستم های زیستی پیچیده، مرکز تحقیقات بیوشیمی بیوفیزیک دانشگاه تهران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :