به کارگیری خوشه بندی فازی در ریزآرایه dna
Authors
abstract
سابقه و هدف: فناوری ریزآرایه برای بررسی همزمان بیان هزاران ژن در بازه وسیعی از ژنومیک، نظیر شناسایی ژنها، اکتشاف داروها و تشخیص های کلینیکی مورد استفاده قرار گرفته است. آزمایشهایی که بر اساس فناوری ریزآرایه انجام می شوند حجم بسیار زیادی از داده ها را فراهم می کنند که در مطالعات بیولوژیک بی نظیر بوده است. نرمال سازی، خوشه بندی، طبقه بندی و ... از جمله روشهای مورد استفاده در تحلیل آماری این نوع داده هاست. هدف این مقاله بررسی نحوه به کارگیری روش خوشه بندی فازی در داده های ریزآرایه dna است. مواد و روش ها: تحقیق به روش توصیفی انجام شده و داده های بیان ژنی سرطان خون گلوب و همکاران (1999) که بر اساس روش آرایه الیگونوکلئوتید تولید شده و از طریق اینترنت در اختیار عموم قرار دارد، با استفاده از روش آماری خوشه بندی فازی، مورد تجزیه و تحلیل قرار گرفته است. خوشه بندی داده های ریزآرایه به صورت خیلی محدود و گرایش بیشتر به سمت خوشه بندی کلاسیک در ایران صورت پذیرفته است و این مقاله شروعی در خوشه بندی فازی داده های ریزآرایه به شمار می آید. مجموعه داده ها شامل 20 بیمار مبتلا به سرطان خون لنفوئیدی حاد (all) و 14 بیمار مبتلا به سرطان خون میلوئیدی حاد(aml) است. کارایی روش خوشه بندی فازی با توجه به گروه بندی واقعی نمونه ها (all و aml) مورد ارزیابی قرار گرفت. نرم افزار r برای تحلیل داده ها استفاده شد. یافته ها: ویژگی روش خوشه بندی فازی در تشخیص افراد aml، 90% و حساسیت آن 93% و صحت آن 91% به دست آمد که نشان دهنده عملکرد خوب این روش است. نمونه سی و یکم که بر اساس یافته های بالینی در گروه aml قرار دارد در گروه all قرار گرفت، همچنین نمونه های دوم و هفدهم که بر اساس یافته های بالینی در گروه all قرار دارد طبق نتایج در گروه aml قرار گرفتند که از نظر بالینی می توانند قابل توجه باشند. نتیجه گیری: خوشه بندی فازی اطلاعات نسبتاً قابل قبولی درباره ساختار داده ها فراهم می کند که با توجه به انطباق نتایج این روش با گروه بندی واقعی داده ها، از این روش آماری می توان در مواردی که اطلاع دقیقی درباره گروه بندی واقعی داده ها در دست نیست، استفاده کرد. به علاوه با بررسی نتایج خوشه بندی ممکن است زیرگروه هایی از نمونه ها را به نحوی متمایز کرد که برای انطباق آن با یافته های بالینی، پژوهشهای آزمایشگاهی یا بالینی جدیدی لازم باشد.
similar resources
به کارگیری روش های خوشه بندی در ریزآرایه dna
سابقه و هدف: به کارگیری فناوری ریزآرایه dna که امکان بررسی بیان هزاران ژن را به طور هم زمان در حداقل زمان ممکن می سازد، در سال های اخیر موجب تولید حجم انبوهی از داده های بیان ژنی شده است. تحلیل آماری این داده ها شامل مواردی چون نرمال سازی، خوشه بندی، طبقه بندی است. هدف این مقاله بررسی نحوه به کارگیری روش های آماری خوشه بندی در داده های ریز آرایه dna است. روش بررسی: در این تحقیق داده های سرطان پ...
full textبه کارگیری روشهای خوشه‌بندی در ریزآرایه DNA
Background: Microarray DNA technology has paved the way for investigators to expressed thousands of genes in a short time. Analysis of this big amount of raw data includes normalization, clustering and classification. The present study surveys the application of clustering technique in microarray DNA analysis. Materials and methods: We analyzed data of Van’t Veer et al study dealing with BRCA1...
full textبه‌کارگیری خوشه‌بندی فازی در ریزآرایه DNA
سابقه و هدف: فناوری ریزآرایه برای بررسی همزمان بیان هزاران ژن در بازه وسیعی از ژنومیک، نظیر شناسایی ژنها، اکتشاف داروها و تشخیص‌‌های کلینیکی مورد استفاده قرار گرفته است. آزمایشهایی که بر اساس فناوری ریزآرایه انجام می‌شوند حجم بسیار زیادی از داده‌ها را فراهم می‌کنند که در مطالعات بیولوژیک بی‌نظیر بوده است. نرمال سازی، خوشه‌بندی، طبقه‌بندی و ... از جمله روشهای مورد استفاده در تحلیل آماری این نوع ...
full textبه کارگیری خوشه بندی دوبعدی با روش «زیرماتریس های با میانگین- درایه های بزرگ» در داده های بیان ژنی حاصل از ریزآرایه های dna
مقدمه و هدف: در سال های اخیر، فناوری ریزآرایه ی dna نقش اساسی در تحقیقات ژنومی داشته است. با استفاده از این فناوری که امکان آنالیز همزمان سطوح بیان هزاران ژن را در شرایط مختلف فراهمآوردهاست، به حجم انبوهی از داده ها دستمی یابیم. روش های کلاسیک خوشه بندی نظیر روش های سلسله مراتبی و غیرسلسله مراتبی، روش هایی مناسب برای تحلیل اینگونه داده ها هستند اما محدودیت هایی نیز دارند. در این روش ها فر...
full textارایه شاخصی جدید جهت سنجش اعتبار خوشه بندی در الگوریتم های خوشه بندی فازی نوع-2
One of the main issues in fuzzy clustering is to determine the number of clusters that should be available before clustering and selection of different values for the number of clusters will lead to different results. Then, different clusters obtained from different number of clusters should be validated with an index. But so far such an index has not been introduced for interval type-2 fuzzy C...
full textMy Resources
Save resource for easier access later
Journal title:
پژوهندهجلد ۱۴، شماره ۶، صفحات ۲۸۸-۲۹۴
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023