شناسایی برهم کنش های ژن -ژن مرتبط با بیماری ها با استفاده از روش های تمایزکاوی

با گسترش علم کامپیوتر، زمینه های پژوهشی آن نیز بسیار گسترش یافته و به علوم دیگر راه یافته است. یکی از این زمینه ها علم ژنتیک است. رشته ی بیوانفورماتیک در واقع حاصل ورود این علم به حوزه کامپیوتر است. با شناسایی ژنوم انسان در سال 2003 و همچنین پایان یافتن پروژه hapmap در سال 2007، زیست شناسان به این نتیجه رسیدند که، بیشتر از 99% رشته dna همه انسان ها یکسان و تنها کمتر از 1% آن متفاوت از یکدیگر است. برخی از این تفاوتها، باعث بروز بیماریهای ژنتیکی میشوند. کشف ارتباط و وابستگی ژنها با بیماریهای ژنتیکی، به عنوان یکی از چالشهای اصلی محققان علم ژنتیک، مطرح است. به عبارت دیگر لازم است که ارتباط مجموعه‏ای از تفاوتها بین رشته dna سالم و بیمار، با بروز بیماری خاصی شناخته شود. متداول ترین شکل تغییر ژنتیکی انسانها (که عامل اصلی بیماریهای ژنتیکی می باشند)، در موقعیت های خاصی از توالی dna اتفاق می افتد که چند‏ریختی ‏تک‏نوکلئوتیدی یا به اختصار اسنیپ نامیده می شود. الگوریتم?های محاسباتی مختلفی برای شناسایی برهم?کنش بین ژن?ها و ارتباط آن?ها با بیماری بکار رفته است. در این پایان‏نامه شناسایی برهم‏کنش بین ژن‏ها در حوزه مطالعات مجموعه گسترده ژنوم صورت گرفته است و با وجود دو مجموعه داده مورد و شاهد از روش‏های تمایزکاوی برای شناسایی الگوهای تمایزی استفاده شده است. به علت ابعاد زیاد مسئله الگوریتم renimpe که با استفاده از ساختار داده گراف جهت‏‏دار و بدون دور ddbz الگوها را استخراج می‏کند، بکار گرفته شده است. این الگوریتم با چنین ساختار داده‏ای برای مجموعه‏ای از مجموعه ‏اقلام بوجود آمده است که در این پایان‏نامه با تغییراتی برای توالی از اسنیپ‏ها اجرا شد. الگوهای بدست آمده ترکیب عطفی کمین از اسنیپ‏ها می‏باشد که فراوانی آنها در دو مجموعه داده تفاوت زیادی دارد. بعد از یافتن الگوها با استفاده از آزمون دقیق فیشر مقدار-p برای آنها محاسبه می‏گردد و نتایج نامربوط حذف می‏شوند. نتایج آزمایشگاهی بر روی بک مجموعه داده شبیه‏سازی شده بیانگر آن است که زمان اجرا برای روش پیشنهادی نسبت به روش relurpns که از الگوریتم‏های قدرتمند در این زمینه است کمتر می‏باشد و همچنین از نظر قدرت جداسازی نیز از الگوریتم relurpns بهتر عمل می‏کند