فصلنامه پژوهشی خون

چکیده

سابقه و هدف

تکنولوژی ریزآرایه، یک تصویر کلی از میزان بیان هزاران ژن به طور هم زمان ارایه 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، بیزین ساده، شبکه‌ بیزین، نزدیک‌ترین میانگین، رگرسیون لجستیک، شبکه‌ عصبی پرسپترون چند لایه و درخت تصمیم J48 برروی ژن‌های انتخاب شده به تشخیص لوسمی ‌میلوژنیک و ‌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 میلوژنیک و 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.