طبقه بندی و خوشه بندی دودویی ژن ها با استفاده از روش های بهترین جفت و تجزیه ی ماتریس دودویی

فناوری ریزآرایه ی dna دارای آثار شگرفی در تحقیقات سرطان می باشد و داده های بیان ژن ریزآرایه، برای تشخیص ویژگی های ژنتیکی سرطان کاربرد وسیعی دارد، که می تواند به منظور افزایش دقت تشخیص سرطان و پیش بینی بیماری استفاده گردد. البته در مطالعات مختلف به دلیل محدودیت اندازه ی نمونه ها، اغلب هم پوشانی محدودی بین ویژگی های ژن هایی که برای تشخیص سرطان ها بدست آمده وجود دارد. استفاده از داده ی ریزآرایه، ما را به سمت شناخت ویژگی های ژن های محتمل تر برای سرطان های مشخص و خاص هدایت می کند و باعث درک بهتر چگونگی ترکیب داده ی ریزآرایه در راستای مطالعات سرطان های مشابه، به منظور افزایش اندازه ی نمونه خواهد شد. هدف از این پایان نامه بیان و بررسی یک روش آماری جدید از روش های طبقه بندی به نام بهترین جفت و توسعه ی آن به روش k-بهترین جفت، و یک کلاس روش از روش ها ی خوشه بندی به نام تجزیه ی ماتریس دودویی برای مطالعات و کاوش یکپارچه ی داده های ریزآرایه، و اعمال آن برای مشکلات و مسائل در مطالعات سرطان که عبارتند از تشخیص و پیش بینی سرطان و نشانه های وابسته به آن می باشد. روش بهترین جفت تنها به منظور تنظیم رتبه های مقادیر بیان ژن استفاده می گردد و به همین علت در اغلب روش های نرمالیزه کردن داده ها، ثابت و نامتغیر است. این خاصیت آن را به طور وسیع و فراگیر در جمع بندی داده های ریزآرایه ای حاصل از مطالعات مقدماتی و پایه، از مرحله ی رفع کردن نیازها تا انجام نرمالیزه کردن داده ها و تبدیلات دیگر آن ها، مفید می سازد. با ترکیب روش بهترین جفت با سایر مدل های آماری، می توان علائم ژن های پایدار را برای تشخیص سرطان و بهبود سریع ناشی از پیش بینی جریان بیماری با استفاده از داده های ریزآرایه تطبیق داد. در روش های دسته ی دوم که داده های دودویی مورد بحث می باشد، دو گروه روش مورد بررسی قرار می گیرد، که در روش های گروه اول به طور مستقیم ماتریس داده ی دودویی به ماتریس های داده ی دودویی تبدیل می شود، ولی در روش های گروه دوم ماتریس داده ی دودویی ابتدا وارد ماتریس هایی با داده های نامنفی شده، سپس داده های نامنفی به داده های دودویی تبدیل می گردند و به این صورت دسته بندی داده های دودویی انجام می شود. برای تشریح سودمندی این دو دسته روش، ابتدا الگوریتم های آن ها پیاده سازی شده، سپس بر روی مجموعه داده های ریزآرایه اعمال خواهند شد و آثار ژن های موثر برای تشخیص سرطان و نیز آثار پیش بینی جریان این بیماری شناسایی و تطبیق داده شده و سپس در داده های مستقل ریزآرایه مورد تأیید اعتبار قرار می گیرند.