کاهش بعد داده‌های توالی جایگاه‌های پیوند روی ژنوم انسان با استفاده از شبکه‌ی عصبی عمیق اتوانکودر

استفاده از توالی های نوکلئوتیدی ژنوم به عنوان سیگنال های بیوشیمیایی در روش های یادگیری ماشین، با تبدیل این توالی ها به کدهای عددی امکان پذیر است و این تبدیل باعث افزایش غیرواقعی بعد داده ها شده و انجام عملیات های تحلیل داده، مانند بصری سازی و استخراج ویژگی را با محدودیت هایی روبه‌رو می سازد. از این‌رو، باید با استفاده از روش های کاهش بعد، داده ها را به فضای واقعی برگرداند. در این پژوهش از یک شبکه‌ی عصبی عمیق اتوانکودر به منظور کاهش بعد داده های توالی مربوط به جایگاه های پیوند روی ژنوم انسان استفاده شده است. به منظور بررسی میزان حفظ اطلاعات داده های اصلی در داده های کاهش بعد یافته، از یک طبقه بندی دوکلاسه به وسیله‌ی ماشین بردار پشتیبان استفاده می شود. نتایج به دست آمده نشان می دهد که اطلاعات تقریبا به طور کامل در فشرده سازی حفظ می شود. سپس از داده های فشرده‌شده برای بصری سازی و هم‌چنین انتخاب ویژگی با تحلیل واریانس استفاده می شود. نتایج به دست آمده نشان می دهد که مکان های اول، دهم و هشتم در توالی ها دارای بیشترین اطلاعات هستند. درحالی‌که عمده‌ی پژوهش های پیشین روی داده های بیان ژن حاصل از میکروآرایه، متمرکز شده اند و مقایسه‌ی محدودی بین روش های کاهش بعد در آن‌ها انجام شده است. این مقاله برای نخستین بار، داده های نوکلئوتیدی توالی را با شبکه‌ی اتوانکودر، کاهش بعد داده و مقایسه‌ی جامعی بین انواع روش های کاهش بعد و یادگیری ماشین ارائه می دهد.