شناسایی و دسته بندی ژن های موثر در سرطان (سرطان ریه) با استفاده از داده های ریزآرایه

امروزه باتوجه به گسترش روزافزون اطلاعات و پیشرفت¬هایی که در زمینه¬های پزشکی صورت گرفته است، استفاده از روش¬هایی که بتوان سرعت انجام کار و دقت را افزایش و هزینه آزمایش¬ها را کاهش داد؛ امری غیرقابل اجتناب است. با استفاده از تکنولوژی ریزآرایه¬ها می¬توان میزان بیان چندین هزار ژن را اندازه گرفت. از چالش¬هایی که برای تجزیه و تحلیل داده¬های ریزآرایه با آن روبرو هستیم، تعداد زیاد ژن¬ها در این مجموعه داده است. این چالش زمانی پرنگ تر می¬شود که بخواهیم از این تعداد زیاد ژن، برای دسته بندی نمونه هایی که تعداد آنها بسیار کمتر است؛ اقدام کنیم. شناسایی و انتخاب ژن¬های موثر، می¬تواند به عنوان راحلی برای مقابله با این چالش مطرح شود. در همین راستا در این رساله از الگوریتم "حداکثر جریان بیشینه برش کمینه" برای این منظور استفاده شده است. با بکاربردن این الگوریتم و استفاده از معیار اطلاعات متقابل برای بررسی میزان شباهت و افزونگی بین ژن¬ها، روی داده¬های ریزآرایه، ژن¬هایی انتخاب شدن که با استفاده از این ژن¬ها می¬توان نمونه¬ها را با دقت مطلوبی توسط الگوریتم¬های داده-کاوی دسته¬بندی کرد. از دیگر کاربرد¬های این ژن¬های انتخابی می¬توان به طراحی و ساخت ریزآرایه¬هایی با کاربرد خاص اشاره کرد. درپایان دقت الگوریتم پیشنهادی برروی داده¬های سرطان ریه با روش¬های موجود مورد بررسی قرار گرفته است. بررسی نتایج نشان می-دهد که توانسته¬ایم با استفاده از الگوریتم پیشنهادی که تا زمان نوشتن این رساله، در این موضوع خاص استفاده نشده است؛ به دقت بالای 90% در دسته بندی نمونه ها در مقایسه با روش mrmr دست یابیم.