طبقه بندی سرطان براساس فناوری ریزآرایه با استفاده از انتخاب ژن

یکی از شاخه های مهم بیوانفورماتیک فن آوری ریزآرایه dna است که امکان بیان هزاران ژن را به طور هم زمان در حداقل زمان، ممکن می سازد. داده های خام ریزآرایه، تصاویری هستند که باید به ماتریس-های بیان ژن تبدیل شوند. ماتریس هایی که ردیفشان بیانگر ژن ها و ستون هایشان بیانگر نمونه های متعدد مانند بافت ها یا آزمایش ها و اعداد سلول ها سطح بیان ژن را در یک ژن و یک نمونه ی خاص بیان می کنند. یکی از محدودیت های طبقه بندی داده ی ریزآرایه تعداد زیاد ژن ها در مقابل تعداد کم نمونه هاست. به علت نامتقارنی در ابعاد ریزآرایه، روش های استخراج ویژگی زیادی برای طبقه بندی ریزآرایه ارائه شده است. بسیاری از این روش ها مشکلاتی در انتخاب مجموعه ی کوچکی از ژن ها دارند. این پژوهش به بررسی الگوریتم های استخراج ژن های موثر در بروز سرطان در داده های ریزآرایه می-پردازد و دو الگوریتم استخراج ژن، بهینه سازی ذرات و الگوریتم جستجوی هارمونی باینری را ارائه می-دهد که با پایین آوردن تعداد ژن های موثر، بار محاسباتی و زمان پردازش را کاهش می دهد. از دو پایگاه داده در این پایان نامه جهت ارزیابی الگوریتم های پیشنهادی استفاده شده است. مقایسه نرخ درستی الگوریتم های پیشنهادی با سایر روش های موجود نشان دهنده ی دقت بالای آن هاست.