کاربرد و مقایسه روش‌های یادگیری ماشینی رندم فارست و درخت کلاس‌بندی- رگرسیونی در مطالعه وابستگی ژنتیکی در بیماران مبتلا به شریان‌های کرونری

چکیدههدف:در مطالعات ژنتیک، برگزیدن تعداد معدودی از پلی‌مورفیسم تک‌نوکلیوتیدیکه نسبت به سایر پلی‌مورفیسم‌ها ارتباط بیشتری با بیماری مورد نظر دارند، امری ضروری است. این تحقیق با هدف مقایسه دو روش یادگیری ماشینی مبتنی بر درخت رندم فارست و درخت کلاس‌بندی-رگرسیونی، به‌منظور پیش‌بینی افراد مبتلا به بیماری شریان‌های کرونر با استفاده از پلی‌مورفیسم تک نوکلیوتیدی انجام شد.روش‌بررسی:به‌منظور انجام این پژوهش، از مراجعین بیمارستان قلب و شریان‌های شهید رجایی تهران در فاصله سال‌های 1390و 1391 تمام شماری به عمل آمد. اطلاعات 141 فرد مبتلا به بیماری شریان‌های کرونر و 83شاهد توسط مرکز تحقیقات ژنتیک این بیمارستان گردآوری شد. از طریق روش تعیین توالی، ژنوتیپ پلی‌مورفیسم تک‌نوکلیوتیدی انتخاب‌شده در جایگاه ژن ldlr و پروموتر ژن pcsk9 هر فرد مشخص شد. همچنین به‌منظور کشف ارتباط میان پلی‌مورفیسم تک‌نوکلیوتیدی و بیماری شریان‌های کرونر، از دو روش یادگیری ماشینی: درخت کلاس‌بندی-رگرسیونی و رندم فارست استفاده شد. اعتبارسنجی مدل براساس اعتبارسنجی ده قسمتی انجام شد. مدل‌ها پس از برازش، با استفاده از سه ملاک حساسیت و ویژگی و خطا ارزیابی شدند. تحلیل داده‌ها با استفاده از نرم افزار r(2.15.0)صورت گرفت.یافته‌ها:با توجه به ملاک‌های معرفی‌شده،درخت کلاس‌بندی-رگرسیونی نسبت به روش رندم فارست، عملکرد موفق‌تری داشت.این روش حساسیت و ویژگی و خطایی معادل0.575و0.684و 0.264 داشت.همچنین مدلی به‌منظور کلاس‌بندی مراجعین جدید ارایه شد.نتیجه‌گیری:هرچند بر اساس ملاک‌های مقایسه‌شده دو روش تفاوت چندانی با یکدیگر نداشته و در نهایت هر دو روش در تحلیل پلی‌مورفیسم‌های تک‌نوکلیوتیدی توصیه می‌شوند. اما روش درخت کلاس‌بندی-رگرسیونی به‌عنوان اولین انتخاب پژوهشگر به‌منظور کشف ارتباط میان پلی‌مورفیسم و بیماری مورد نظر توصیه می‌شود.