بهینه سازی و تلفیق الگوریتم های k-means و pso جهت بازسازی هاپلوتیپ ها با استفاده از اطلاعات نشانگرهای snp

بازسازی هاپلوتیپ یکی از موضوعات مهم در مطالعات ژنتیکی و بیوانفورماتیکی است. تشکیل هاپلوتیپ‌ها به صورت مستقیم با استفاده از روش‌های زیستی و آزمایشگاهی بسیار دشوار و پرهزینه است. از این رو، بازسازی هاپلوتیپ‌ها معمولا با استفاده از روش‌های محاسباتی بر روی اطلاعات ژنوتیپی و نشانگرهای ژنتیکی انجام می‌شود. در این مقاله، دو الگوریتم بر اساس مدل حداقل تصحیح خطا برای بازسازی هاپلوتیپ‌ها از روی ژنوتیپ افراد برای چندشکلی های تک نوکلئوتیدی (snp) ارایه می‌شود. الگوریتم اول حالتی از الگوریتم k-meansاست با این تفاوت که این الگوریتم بجای استفاده از مراکز اولیه تصادفی، این مراکز را با شرایط ویژه انتخاب می‌کند. الگوریتم دوم نیز ترکیبی از الگوریتم pso بهبودیافته و k-means است که ipsokm نام گذاری شد. الگوریتم های بهینه سازی شده بر روی داده‌های شبیه سازی شده و واقعی به کار گرفته شدند. نتایج نشان داد که دقت بازسازی هاپلوتیپ‌ها با استفاده از الگوریتم‌های ارایه شده در مقایسه با برخی از الگوریتم های مرسوم استفاده شده جهت بازسازی هاپلوتیپ ها، به خصوص در حالت‌های وجود خطا و حفره، به طور قابل ملاحظه ای افزایش یافت. از این رو، این الگوریتم ها می‌توانند به طور موثری در مطالعات ژنتیک انسانی و به نژادی گیاه و دام به کار گرفته شوند.