تعیین ژن‌های پیشگو رده‌های سرطان سینه با استفاده از الگوریتم خوشه بندی

به گزارش گروه علمي «خبرگزاري دانشجو»، توانایی تکنولوژی ریزآرایه در ایجاد امکان ثبت، کنترل و تحلیل هم زمان هزاران ژن، محققین بسیاری را علاقه مند به یافتن الگوریتمی بر اساس داده های ریزآرایه به منظور کشف رده های سرطان و ژن های نشانگر رده ها کرده است.

مریم شهدوست، کارشناس ارشد آمار زیستی گفت: یکی از روش های معمول و پر کاربرد در تحلیل داده های ریزآرایه خوشه بندی است كه یک خوشه بندی مناسب از نمونه ها بر اساس داده های بیان ژن، با ایجاد گروه هایی با سطوح بیان ژنی مشترک می تواند منجر به کشف رده های موجود در داده ها شود و همچينين امکان تعیین ژن هایی که نقش مهم در ایجاد رده های مختلف را دارا هستند فراهم می کند.

وی افزود: این پایان نامه با بکارگیری الگوریتمی ترکیبی از دو روش خوشه بندی نقشه خودسازمانده رشدی و درخت پویای خود سازمانده در داده های ریزآرایه سرطان سینه به تعیین رده های موجود در داده ها و ژن های پیشگوی آن ها می پردازد.

اين پژوهشگر بيان داشت: مجموعه داده ها، اطلاعات بیان ژن چهل و نه بیمار مبتلا به یکی از سه نوع تومور آپوکرین، بیسال و لومینال سرطان سینه را شامل می شود.

وي گفت: الگوریتم ترکیبی به صورت خودکار و غیر هدایتی، داده ها را در سه گروه خوشه بندی کرد كه اکثریت نمونه ها در سه رده ی پیشگویی شده به ترتیب مبتلا به تومورهای آپوکرین، لومینال و بیسال بودند.

 

شهدوست تاکید کرد: اگرچه مدارک کافی مبنی بر ارتباط ژن های پیشگوی رده اول و سرطان سینه موجود نیست، اما ارتباط ژن های پیشگوی دو رده دوم و سوم با سرطان سینه و نوع تومور اکثریت اعضای این رده ها کاملا مورد تایید مطالعات بیولوژیک است.

وي خاطرنشان كرد: بکارگیری الگوریتم ترکیبی دو روش GSOM و DSOMtree بر داده های ریزآرایه سرطان سینه، توان الگوریتم در ایجاد تعداد دسته های مناسب از داده ها و تعیین ژن های پیشگو در هر دسته را در کشف رده های سرطان و ژن های نشانگر هر رده نشان می دهد.

 

گفتنی است، این پژوهش با راهنمایی دکتر ابراهیم حاجی زاده  و با مشاوره دکتر فاطمه رهبری زاده از اعضاء هیئت علمی دانشگاه تربيت مدرس انجام شد.