ارزیابی و به کارگیری مدل‌های مختلف طبقه‌بندی به منظور استخراج ژن‌های شاخص مرتبط با عود سرطان سینه از داده‌های میکرو‌آرایه

مقدمه: در این پژوهش، سعی شد تا با به کارگیری موثر الگوریتم‌های محاسباتی و مدل‌های ریاضی، اعتبار ژن‌های شاخص مستخرج از داده‌های میکروآرایه و تفسیرپذیری آن‌ها در مطالعات زیستی بهبود یابد. روش‌ها: ابتدا، بهترین مدل طبقه‌بند با هدف دستیابی به بیشترین صحت پیش‌بینی عود سرطان سینه در داده‌های بیان ژن میکروآرایه انتخاب شد. بدین منظور، از داده‌های بیان 50 ژن شاخص مربوط به تومور سینه در 1271 بیمار مبتلا به سرطان (379 نفر با عود سرطان و 892 نفر بدون عود) استفاده شد و با مقایسه‌ی عملکرد چند طبقه‌بند مطرح بر روی این ژن‌ها، یک سیستم پیش‌بین مناسب برای عود به دست آمد. در این راستا، ابتدا به منظور افزایش صحت از طریق کاهش بعد و انتخاب مناسب‌ترین ژن‌ها (ویژگی‌ها) روش‌های correlationbased feature selection (cfs)، principal component analysis (pca)، independent component analysis (ica)، الگوریتم ژنتیک (ga یا genetic algorithm) و همچنین، روش انتخاب تصادفی چند ویژگی در ترکیب با انواع مدل‌های طبقه‌بند مورد بررسی قرار گرفت. یافته‌ها: در مجموع، 5 ژن شاخص از ترکیب روش الگوریتم ژنتیک، روش top scoring set (tss) و انتخاب تصادفی ژن‌ها انتخاب شدند که در اغلب طبقه‌بند‌ها، بهترین نتایج را داشتند. 5 ژن‌ شاخص نهایی شامل trip13، kif20a، nek2، racgap1 و tyms، به صورت معنی‌داری در ساختمان microtubule و spindle شرکت داشتند و فرایند زیستی اتصال میکروتوبول‌های spindle به kinetochore را تنظیم می‌کردند. نتیجه‌گیری: با استفاده از مدل‌های ترکیبی، علاوه بر اجتناب از بروز خطای انطباق بیش از حد مدل بر داده‌های آموزش، می‌توان به صحت مناسب با ژن‌های شاخصی که از نظر زیست‌شناسی معنی‌دار و تفسیرپذیر باشند، دست پیدا کرد.