بیوانفورماتیک / زیستدادهورزی
مینا جعفری؛ بهنام قوامی؛ وحید ستاری نایینی
دوره 9، شماره 4 ، بهمن 1394، ، صفحه 375-386
چکیده
استنتاج شبکة تنظیمکنندة ژن (GRN) با استفاده از دادههای بیان ژن، برای درک وابستگی و نحوة تنظیم ژنها، درک فرآیندهای زیستشناسی، نحوة رخداد فرآیندها و همچنین جلوگیری از وقوع برخی فرآیندهای ناخواسته (بیماری)، حائز اهمیت است. ساخت صحیح GRN، نیازمند استنتاج صحیح مجموعة پیشبینیکننده است. بهطور کلی، مهمترین محدودیت برای ...
بیشتر
استنتاج شبکة تنظیمکنندة ژن (GRN) با استفاده از دادههای بیان ژن، برای درک وابستگی و نحوة تنظیم ژنها، درک فرآیندهای زیستشناسی، نحوة رخداد فرآیندها و همچنین جلوگیری از وقوع برخی فرآیندهای ناخواسته (بیماری)، حائز اهمیت است. ساخت صحیح GRN، نیازمند استنتاج صحیح مجموعة پیشبینیکننده است. بهطور کلی، مهمترین محدودیت برای استنتاج صحیح مجموعة پیشبینیکننده، حجم عظیم ژنها، کم بودن تعداد نمونهها و امکان نفوذ نویز در دادههای بیان ژن است؛ بنابراین، ارائة روشهایی کارا برای استنتاج پیشبینی کنندهها با قابلیت اطمینان بالا، یک نیاز جدی است. در این مقاله، با استفاده از الگوریتم جستجوی گرانشی(GSA)، یک روش کارا برای استنتاج مجموعة پیشبینیکننده ارائه شده است. بهازای هر ژن هدف، یک الگوریتم GSA برای استنتاج زیرمجموعة پیشبینی کنندة آن ژن استفاده شده است. در هر جمعیت، یک جرم نشان دهندة زیرمجموعة پیشبینی کنندة مرتبط با آن ژن هدف است. جمعیت اولیه بهازای هر ژن هدف، براساس ضریب همبستگی پیرسون تولید میشود. برای هدایت الگوریتم GSA، از معیار ارزیابی میانگین آنتروپی شرطی (MCE) استفاده شده است. نتایج تجربی حاصل از اعمال این روش روی دادههای زیستشناسی نشان میدهد که، روش پیشنهادی دقت بالایی برای استنتاج مجموعة پیشبینیکننده دارد. بهعلاوه، نتایج روی دادههای زیستشناسی با مقیاس کوچک و بزرگ نشان میدهند که، میزان دقت روش پیشنهادی برای استنتاج GRN بیشتر از روشهای مشابه است.