تعیین نشانگرهای حیاتی از روی داده طیف جرمی پروتیین نمونه بیولوژیک به منظور تشخیص سرطان

باتوجه به میزان شیوع و نرخ مرگ و میر ناشی از بیماری سرطان، نیاز به توسعه ابزارهایی جهت تشخیص به موقع و زودرس این بیماری یکی از مسایل اساسی درتحقیقات اخیر بشمار می آید. تحقیقات حوزه علوم پزشکی نشان داده است که تغییرات پاتولوژیک درون یک عضو یا سلول بصورت الگوهای پروتیینی در نمونه های بیولوژیک نظیر خون، بافت، و یا ادرار انعکاس می یابد. پروتیین شناسی بعنوان دانش مقایسه کمی و کیفی و تمایز پروتیین ها تحت شرایط سالم برحسب سرطانی برای درک فرایندهای بیولوژیک شناخته می شود. طیف سنجی جرمی بعنوان یک ابزار اندازه گیری قدرتمند در تولید الگوهای پروتیینی جهت تشخیص بیماری ها و کشف نشانگرهای حیاتی شناخته شده است. دادگان حاصل از این تکنیک بعنوان داده هایی با ابعاد و همبستگی بالا حاوی افزونگی اطلاعات و اغتشاشات درنظر گرفته می شوند. چالش های اساسی تحقیقات اخیر ابعادبالا-نمونه کم، تکرارپذیری، تعمیم پذیری، و انتخاب نشانگرهای حیاتی مشترک می باشند. پیش پردازش و اتخاذ روش انتخاب ویژگی مناسب در تفسیر صحیح داده طیف جرمی و حل چالش های آن می تواند نقش حیاتی ایفا نماید. دراین تحقیق، یک روش پیش پردازش موثر در حوزه تبدیل موجک گسسته باتنظیم ضرایب تقریب با تخمین گرمحلی (rbe) جهت حذف خط زمینه و یک روش مبتنی بر آمارگان مرتبه بالا باتنظیم ضرایب جزییات جهت حذف نویز معرفی شده است. بامروری بر روش های پیشین آماری و نوین داده کاوی در تحلیل طیف جرمی، این روش ها پیاده سازی و مقایسه گردیده اند. ازبین روش های پیشین، آمارگان t، آزمون رتبه بندی ویلکاسون، حداکثرارتباط-حداقل وابستگی (mrmr)، انتخاب متغیر بیزین (bvs)، و تحلیل حداقل مربعات جزیی (pls) انتخاب شده اند. روش های مذکور برروی مجموعه دادگان سرطان های تخمدان، پروستات، و پستان اجرا شده و نتایج بدست آمده حاکی از ضعف این شیوه ها در استخراج نشانگرهای حیاتی تکرارپذیر با نرخ تشخیص بالا در مجموعه دادگان طیف جرمی می باشد. در این رساله، الگوریتم های حداکثرتمایز-آمارگانt (mdts)، حداکثرتمایز-حداقل همبستگی (mdmc) درفضای اصلی و تبدیل موجک ایستان گسسته پیشنهاد گردیدند. کلیه الگوریتم های پیشنهادی موفق به استخراج پروتیین های نامزد با قدرت تفکیک پذیری بالا و تشخیص کامل نمونه های سالم از سرطانی در سه مجموعه داده سرطان های تخمدان و پستان شده اند. همچنین، با اعمال معیار امتیازدهی پیک الگوریتم های پیشنهادی موفق به افزایش نرخ تکرارپذیری شده اند. یکی از معایب روش های پیشین تحلیل طیف جرمی پروتیینی خون و چالش اساسی حوزه داده شناسی حیاتی، بحث تعمیم پذیری تکنیک های انتخاب ویژگی با تغییر نمونه های جامعه آماری یک بیماری معین بوده است. الگوریتم های پیشنهادی نشان داده اند که تا حدزیادی مشکل تعمیم پذیری را حل می نمایند. نتایج بدست آمده حاکی از آن است که روش های پیشنهادی این رساله در مقایسه با روش های پیشین موفق به کاهش قابل ملاحظه تعداد نشانگرهای حیاتی علی الخصوص دستیابی به 5 نشانگرحیاتی مشترک در حوزه تبدیل موجک ایستان گسسته با توابع مادر مختلف برای دو مجموعه دادگان سرطان تخمدان شده اند. این نشانگرهای حیاتی مشترک موفق به تشخیص نمونه های سالم و سرطانی با قدرت تفکیک پذیری 80.40% در مجموعه دادگان سرطان تخمدان شده اند. این نرخ تفکیک بهبودی باندازه 35.45% نسبت به روش های پیشین در نرخ تشخیص ایجاد نموده است. درخاتمه، روش های پیشنهادی نشان داده اند که استفاده از رهیافتهای ترکیبی علاوهبر استخراج بهترین ویژگی ها از پروفایل پروتیینی می توانند منجر به افزایش قابلیت تکرارپذیری و تعمیم پذیری در انتخاب نشانگرهای حیاتی واحد گردند.