ارایه یک روش مبتنی بر خوشه بندی دوبعدی برای جانه ی داده های بیان ژن در ریزآرایه

روش های آنالیز داده برای تشخیص و تحلیل الگوی بیان ژن نیازمند مجموعه داده های کامل هستند؛ بنابراینتخمین داده های گمشده یکی از مهمترین مراحل پیش پردازش داده های ریزآرایه است. اکثر الگوریتم هایموجود جانه ی داده های گمشده در ریزآرایه ها، از همبستگی بین همه شرایط آزمایشگاهی برای تخمین دادهگمشده استفاده می کنند، درحالیکه ژن های همبسته فقط در زیرمجموعه ای از شرایط، بیان مشابهی دارند.لذا این روشها نمیتوانند عمل تخمین داده های گمشده را به خوبی انجام دهند. در این مقاله به منظور غلبه براین مشکل از الگوریتم خوشه بندی دوبعدی استفاده میشود تا بتوان شباهت بین ژنها را تحت زیرمجموعه ایاز شرایط محاسبه کرد. در مقاله حاضر سعی شده است که با بهره گیری از مزایای خوشه بندی دوبعدی والگوریتم های جانهی مبتنی بر شباهت محلی و سراسری، به صورت همزمان از ساختار شباهت محلی وسراسری مجموعه داده، استفاده شود. روش پیشنهادی ترکیبی از خوشه بندی دوبعدی، الگوریتم سراسریBPCA و الگوریتم محلی LLS است. آزمایش ها روی دو مجموعه داده ریزآرایه انجام شد و با سه روش دیگر شامل LLS, BI-BPCA و BPCA از نظر خطا و زمان مقایسه شد. در تمام مجموعه داده های مورد آزمایش خطای روش پیشنهادی کمتر است، همچنین زمان اجرای روش پیشنهادی نسبت به روش BI-BPCA به صورت قابل ملاحظه ای کمتر است.