معرفی ژن Grap به‌عنوان ژن نامزد عامل آلزایمر با استفاده از تحلیل داده‌های ریزآرایه

اهداف: شناسایی ژن های دخیل در بروز یک بیماری، یکی از حوزه های مهم تحقیقات پزشکی است که به تشخیص مکانیزم بیماری و در پی آن تشخیص به موقع و درمان بهتر بیماری کمک می کند. در سال های اخیر فناوری ریزآرایه به دانشمندان علوم زیستی برای فهم فرآیندهای سلولی کمک شایانی کرده است. بدین منظور استفاده از روش های کارآمد در تحلیل داده های ریزآرایه بسیار کلیدی است. هدف مطالعه حاضر معرفی ژن grap به عنوان ژن نامزد عامل آلزایمر با استفاده از تحلیل داده های ریزآرایه بود.مواد و روش ها: در مطالعه بیوانفورماتیکی حاضر که روی یک مجموعه داده ریزآرایه مربوط به آلزایمر شامل 12990 ژن، 15 فرد بیمار و 16 فرد سالم صورت گرفت، با ترکیب روش های فیشر، تجزیه و تحلیل اهمیت میکروآرایه (sam) و الگوریتم بهینه سازی ازدحام ذرات (pso) و با استفاده از روش طبقه بندی و رگرسیون مبتنی بر درخت تصمیم (cart)، روش جدیدی به منظور تحلیل داده های بیان ژن ریزآرایه، برای شناسایی ژن های دخیل در بروز آلزایمر ارایه شد.یافته ها: سطح دقت مدل به دست آمده 90/32% بود و ارزیابی نتایج از دیدگاه زیستی نشان داد که روش پیشنهادی موفق عمل کرده و در نهایت 4 ژن ارایه کرده است که 3 ژن از این 4 ژن (75%)، تاکنون به عنوان ژن های دخیل در آلزایمر در منابع زیستی معتبر گزارش شده اند.نتیجه گیری: این مطالعه علاوه بر ارایه یک روش انتخاب ویژگی جدید و تلفیقی برای تحلیل داده های ریز آرایه، یک ژن جدید (grap) به عنوان ژن نامزد مرتبط با آلزایمر معرفی کرده است.

Introduction of GRAP Gene as Alzheimer's Disease Candidate Gene Using Microarray Data Analysis

Aims: One of the most important areas in medical research is the identification of diseasecausing genes, which helps the identification of mechanisms underlying disease and as a result helps the early diagnosis of disease and the better treatment. In recent years, microarray technology has assisted biologists to gain a better understanding of cellular processes. To this end, the application of efficient methods in microarray data analysis is very important. The aim of this study was the introduction of GRAP Gene as Alzheimer rsquo;s disease candidate gene using microarray data analysis.Materials and Methods: In the present bioinformatic study, which was conducted on an Alzheimer's microarray data set containing 12990 genes, 15 patients, and 16 healthy subjects, by combining Fisher, Significance Analysis of Microarray (SAM), and Particle Swarm Optimization (PSO) methods as well as Classification and Regression Tree (CART), a new method was presented for analyzing microarray gene expression data to identify genes involved in Alzheimer's incidence.Findings: The accuracy level of the proposed method was 90.32% and the interpretation of the results from a biological point of view indicated that the proposed method has worked well; finally, the proposed method introduced 4 genes, of which, until now, 3 genes (75%) have been reported in biological studies as genes that cause Alzheimer rsquo;s disease.Conclusion: In addition to proposing a new feature selection method for the analysis of microarray data, this study has introduced a new gene (GRAP) as a candidate gene related to Alzheimer rsquo;s disease.