انتخاب ژن و طبقه بندی سلول های سرطانی بر پایه داده های ریزآرایه با استفاده از الگوریتم ترکیبی BPSO و BLDA

سال انتشار: 1393
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 242

فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_ISEE-5-2_003

تاریخ نمایه سازی: 6 دی 1400

چکیده مقاله:

داده های ریزآرایه در تشخیص و طبقه بندی انواع بافت های سرطانی نقش بسزایی دارند. در پژوهش های سرطان همیشه تعداد نسبتا کم نمونه ها در ریزآرایه باعث ایجاد مشکلاتی در طراحی طبقه بندها شده است. بنابراین داده های ریزآرایه قبل از طبقه بندی از طریق تکنیک های انتخاب ژن پیش پردازش و ژن های فاقد اطلاعات آن ها دور ریخته می شود. اساسا یک روش انتخاب ژن مناسب می تواند بطور موثر کارایی دسته بندی بیماری ها (سرطان) را بهبود بخشد. در این مقاله یک روش جدید بر پایه مدل ترکیبی ازدحام ذرات باینری (BPSO) و آنالیز تفکیک کننده خطی بیز (BLDA) جهت طبقه بندی داده های ریزآرایه با ابعاد بالا ارائه شده است. ابتدا موقعیت هر ذره بصورت بردار باینری و بصورت تصادفی نمایش داده می شود. بطوریکه هر بیت نشاندهنده یک ژن است. بیت صفر نشاندهنده این است که ویژگی (ژن) متناظر با آن انتخاب نشده و بیت یک نشاندهنده این است که ژن متناظر با آن انتخاب شده است. لذا موقعیت هر ذره بیانگر یک مجموعه ژن بوده و میزان تناسب هر ذره توسط الگوریتم طبقه بندی آنالیز تفکیک کننده خطی بیز جهت ارزیابی کیفیت مجموعه ژن انتخاب شده توسط آن ذره محاسبه می شود. الگوریتم پیشنهادی بر روی چهار مجموعه از پایگاه داده سرطان اعمال و نتایج آن با سایر روش های موجود مقایسه شده است. نتایج پیاده سازی نشان می دهد که الگوریتم پیشنهادی از دقت و اعتبار بالایی در مقایسه با سایر روش های موجود برخوردار بوده و قادر است یک مجموعه کوچک از ژن های حاوی اطلاعات را به گونه ای انتخاب کند که دقت طبقه بندی افزایش یابد.

کلیدواژه ها:

آنالیز تفکیک کننده خطی بیز ، انتخاب ویژگی ، بهینه سازی ازدحام ذرات باینری ، بیان ژن ، ریزآرایه ، طبقه بندی

نویسندگان

مهسا جروقی

کارشناس ارشد مهندسی برق، دانشکده مهندسی برق-دانشگاه صنعتی سهند-تبریز-ایران

موسی شمسی

دانشیار گروه برق، دانشکده مهندسی برق-دانشگاه صنعتی سهند-تبریز-ایران

حمیدرضا صابرکاری

- کارشناس ارشد مهندسی برق، دانشکده مهندسی برق-دانشگاه صنعتی سهند-تبریز-ایران

محمدحسین صداقی

استاد گروه برق، دانشکده مهندسی برق-دانشگاه صنعتی سهند-تبریز-ایران

علی مومن نژاد

- کارشناس ارشد مهندسی برق، دانشکده مهندسی برق-دانشگاه صنعتی سهند-تبریز-ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Wee, A., Liew, C., Yah, H., and Yang, M., "Pattern ...
  • Chu, F., and Wang, L., "Application of support vector machines ...
  • Lu, Y., and Han, J., "Cancer Classification Using Gene Expression ...
  • Brazma, A., and Vilo, J., Gene expression data analysis, European ...
  • Molaiezadeh, F., Moradi, M. H, "Informative Gene Selection in Microarray ...
  • Ben-Doe, A., Bruhn, L., Friedman, N., Nachman, I., Schummer, M., ...
  • http:// datam.i۲r.a-star.edu.sg/datasets/krbd ...
  • Chen, Y., and Zhao, Y., "A novel ensemble of classifiers ...
  • Guyon, I. and Elisseeff, A., "An introduction to variable and ...
  • Li, L., Weinberg, C. R., Darden, T. A., and Pedersen, ...
  • Jourdan, L., Metheuristics for knowledge discovery: Application to genetic data, ...
  • Peng, S., Xu, Q., Ling, X. B., Peng, X., Du, ...
  • Reddy, A. R., and Deb, K., Classification of two-class cancer ...
  • Guyon, I., Weston, J., Barnhill, S., and Vapnik, V., "Gene ...
  • Saeys, Y., Aeyels Degroeve, S., Rouze, D., and Van de ...
  • Goh, L., Song, Q., and Kasabov, N., "A novel feature ...
  • Kennedy, J., and Eberhat, R., "Particle Swarm Optimization", In Proceedings ...
  • Kennedy, J., and Eberhat, R., "A Discrete Binary Version of ...
  • Hoffmann, U., Vesin, J. M., Ebrahimi, T., and Diserens, K., ...
  • Hoffmann, U., Bayesian machine learning applied in a brain computer ...
  • Hoffmann, U., "Bayesian feature selection applied in a P۳۰۰ brain-computer ...
  • Chuang, L., Chang, H., Tu, C., and Yang, C., "Improved ...
  • Chen, Y., and Zhao, Y., "A novel ensemble of classifiers ...
  • Wang, Z. Y., Palade, V., and Xu, Y., "Nero-fuzzy ensemble ...
  • Jirapech,-Umpai, T., and Aitken, S, "Feature selection and classification for ...
  • Sharma, A., and Paliwal, K., "A gene selection algorithm using ...
  • Alba, E., Garcia-Nieto, J., Jourdan, L., and Ghazali Talbi, El., ...
  • Chuang, L. Y., Chang, H. W., Tu, C. J., and ...
  • Li, S., Wu, X., and Tan, M., "Gene selection using ...
  • Juliusdottir, D., Corne, E., Keedwell, E., and Narayanan, A., "Two-phase ...
  • T. Li, C.L. Zhang, M. Ogihara, "A comparative study of ...
  • نمایش کامل مراجع