خوشه بندی تعدادی از ژن های موثر در تولید شیر با استفاده از تئوری اطلاعات و اطلاعات متقابل

نظریه اطلاعات، شاخه ای از ریاضیات است. از تئوری اطلاعات در تجزیه و تحلیل های ژنتیکی و بیوانفورماتیکی استفاده گردیده و می توان از آن در آنالیز های مربوط به ساختارها و توالی های زیستی نیز استفاده نمود. در این پژوهش بعد از استخراج توالی dna ژن و اگزون های موثر بر تولید شیر در گاو شیری، فراسنجه آنتروپی در مراتب یک الی چهار برای هر ژن و اگزون های هر ژن محاسبه شد. برای استخراج تشابه میان ژن ها از یکدیگر، از اطلاعات متقابل بین ژن ها استفاده شد. نتایج با استفاده از هفت روش معمول خوشه بندی شدند. با توجه به تعدد نتایج، جهت افرایش دقت و تجمیع نتایج حاصل، از الگوریتم آدابوست استفاده گردید. در پایان جهت تایید نتایج حاصل از آدابوست و پیش بینی عملکرد ژن ها و ارتباط بین آن ها، با مراجعه به تارگاه genemania نتایج بر اساس حاشیه نویسی ژنومی آن ها مورد بررسی و مقایسه قرار گرفت. تجمیع نتایج هر خوشه بندی که با الگوریتم آدابوست انجام شد و خود نوعی درخت ژنی را تداعی می کند، نشان داد که روش پیشنهادی برای خوشه بندی مجموعه ای از ژن ها، از نظر زیستی جواب معقولی را حاصل می کند چرا که با نتایج حاشیه نویسی ژنومی ژن های حاصل در تارگاه genemania مطابقت داشت. اعتقاد بر این است که روش ارائه شده برای ایجاد درخت ژنی با سایر روش های متکی به توالی dna برای خوشه بندی مجموعه ای از ژن ها، می تواند رقابت نماید و لذا می تواند در گروه بندی ژن های سایر گو نه ها نیز به کار رود.

Clustering of a Number of Genes Affecting in Milk Production using Information Theory and Mutual Information

Information theory is a branch of mathematics. Information theory is used in genetic and bioinformatics analyses and can be used for many analyses related to the biological structures and sequences. Biocomputational grouping of genes facilitates genetic analysis, sequencing and structuralbased analyses. In this study, after retrieving gene and exon DNA sequences affecting milk yield in dairy cattle, the entropy in orders one to four for each gene and eta exons was calculated. In order to extract gene distances, mutual information method was calculated. The results of mutual information of DNA and exon sequences were entered as input into 7 general clustering algorithms. In order to aggregate the results of clustering, AdaBoost algorithm was used. Finally, the results of AdaBoost algorithm were investigated by GeneMANIA prediction server to explore the results from gene annotation point of view. Integrated result of each clustering algorithm due to AdaBoost algorithm, which implied as gene tree, indicated that proposed method biologically grouped set of genes as it was proved by their gene annotation using GeneMANI. We believe that the proposed method might be used with other DNA based clustering competitive methods and therefore, it can be used to group set of genes in other species.