ارائه روش جدیدی برای مدلسازی شبکه های تنظیم کننده ی ژنی با استفاده از شبکه های بیزی

تعاملات بین ژن ها، پروتئین ها و مواد دیگر در سلول تشکیل یک شبکه ی پیچیده می دهند و نقش مهمی در عملکرد سلول بازی می کنند. با استفاده از مدلسازی شبکه های تنظیم کننده ی ژنی می توان عملکردهای سلولی را در سطح مولکولی تشریح کرد شناسایی این شبکه ها از داده های سری زمانی میکروآرایه، یکی از مسائل کلیدی در بیوانفورماتیک است. تاکنون روشهای مختلفی برای مدلسازی شبکه های تنظیم کننده ی ژنی از داده های سری زمانی میکروآرایه ارائه شده اند. اما هنوز مشکلات عمده ای مقل دقت پایین پیش بینی ها وجود دارد. به جهت نویزی بودن داده های میکروآرایه و ماهیت احتمالاتی شبکه های بیزی ما از این روش برای مدلسازی روابط علی میان ژن ها استفاده کرده ایم. از مشکلات عمده در در مورد یادگیری شبکه های بیزی، فضای جستجوی بسیار بزرگ است. در این مقاله ابتدابه منظور کاهش نویز موجود در داده ها، از یکمرحله گسسته سازی استفاده و سپس روابط علی ژنها با بهره گیری از شبکه بیزی مدل می شود. ما روش جدیدی از ترکیب الگوریتم ژنتیک و Expectation ) EM(Maximization برای یادگیری شبکه ی بیزی ارائه کرده ایم در روش پیشنهادی الگوریتم ژنتیک برای جستجوی ساختار بهینه ی شبکه بیزی و الگوریتم EM برای محاسبه جدول توزیع احتمال شرطی بکار رفته است از رتبه Bayesian Information ) BIC(Criterion نیز جهت ارزیابی ساختارهای مختلف در الگوریتم ژنتیک استفاده می شود. از مزایای روش ارائه شده ، توانایی کار با مقادیر گمشده موجود در مجموعه داده ها و جستجوی تصادفی تر فضای ساختارهای ممکن شبکه بیزی نسبت به کارهای پیشین می باشد. روش ما روی داده های سری زمانی مربوط به مخمر ارزیابی شده و نتایج خوبی حاصل شده است.

کلیدواژه ها:

بیوانفورماتیک ، شبکه های تنظیم کننده ی ژنی ، داده های سری زمانی میکروارایه ، شبکه های بیزی ، الگوریتم ژنتیک