تکنولوژی ریزآرایه، یکتصویر کلیازمیزانبیانهزاران ژن به طور هم زمانارایه میدهد. تفسیر دادههای ریز آرایه بدون آنالیز آماری و روشهای هوش مصنوعی ممکن نیست. هدف این مقاله، تشخیص انواع لوسمی حاد با استفاده از مجموعه دادههای ریز آرایه و الگوریتمهای داده کاوی بود.
مواد و روشها
در این مطالعه توصیفی از دادههای بیان 7129 ژن مربوط به 72 بیمار مبتلا به لوسمی استفاده شد. سپس با انتخاب ژنهای مهم بر اساس روشهای ضریب همبستگی، بهره اطلاعاتی، نسبت بهره و امتیاز Fisher و با استفاده از روشهای جداکننده خطی، ماشینبردار پشتیبان، k نزدیکترین همسایه، بیزینساده، شبکه بیزین، نزدیکترین میانگین، رگرسیون لجستیک، شبکه عصبی پرسپترون چند لایه و درخت تصمیم J48 برروی ژنهای انتخاب شده به تشخیص لوسمی میلوژنیکو لنفوسیتیک حاد پرداخته شد.
یافتهها
روشهای نزدیکترین میانگین، ماشینبردار پشتیبان، k نزدیکترین همسایه، بیزین ساده و شبکه عصبی پرسپترون چند لایه با استفاده از 39 ژن انتخاب شده توسط نسبت بهره با دقت 100٪ ، قادر به تشخیص لوسمی میلوژنیکو لنفوسیتیک حاد هستند. هم چنین روش ماشینبردار پشتیبان با استفاده از 87 ژن انتخاب شده توسط بهره اطلاعاتی و روش شبکه عصبی پرسپترون چند لایه با استفاده از 133 ژن انتخاب شده توسط بهره اطلاعاتی با دقت 100٪ ، قادر به تشخیص آن میباشند.
نتیجه گیری
نتایج این مطالعه نشان داد که انتخاب ژنها و الگوریتمهای داده کاوی قادر به تشخیص انواع لوسمی با دقت بسیار بالایی هستند، بنابراین با استفاده از این روشها، میتوان تصمیمات مناسبی در مورد نحوه تشخیص و درمان بیماران گرفت.
Sheikhpour R, Aghaseram M, Sheikhpour R. Diagnosis of acute myeloid and lymphoblastic leukemia using gene selection of microarray data and data mining algorithm. Sci J Iran Blood Transfus Organ 2016; 12 (4) :347-357 URL: http://bloodjournal.ir/article-1-930-fa.html
شیخ پور راضیه، آقاصرام مهدی، شیخپور رباب. تشخیص لوسمی لنفوسیتی و میلوئیدی حاد با استفاده از انتخاب ژن دادههای ریزآرایه و الگوریتمهای داده کاوی. فصلنامه پژوهشی خون. 1394; 12 (4) :347-357