بررسی روش های موجود در تحلیل تفاوت های ژنتیکی و اسنیپ ها و ارائه راه حل جدید

هاپلوتایپ مجموعه ای از چندشکلی های تک نوکلئوتیدی (اسنیپ ها) موجود در دیانای است و دربردارنده اطلاعات ارزشمند ژنتیکی میباشد. اسنیپها معمول ترین تغییرات ساختاری هستند که در دیانای کد میشوند. با توجه به این که برخی از بیماری های ژنتیکی ناشی از تغییرات در ساختار ژنوم است، اطلاعات موجود در هاپلوتایپها همواره مورد توجه پژوهشگران در زمینههای مختلف علم ژنتیک بوده است. به طوریکه مطالعه هاپلوتایپها و همچنین بازسازی آنها در سالهای اخیر مورد توجه طیف وسیعی از محققین واقع شده است. در این بین بازسازی هاپلوتایپ یک مسئله مطرح در بازسازی کل ژنوم است. از آنجاییکه بازسازی هاپلوتایپها به کمک روشهای الگوریتمی و استفاده از ماتریس اسنیپ نسبت به بدست آوردن مستقیم آنها به کمک تکنولوژیهای فعلی، هم به لحاظ زمانی و هم هزینه مقرون به صرفه است، لذا در بازسازی هاپلوتایپها استفاده از روشهای الگوریتمی توصیه میگردد. همواره توالی های بدست آمده از توالی یاب ها همراه با خطا هستند، که این قضیه ساخت هاپلوتایپ ها را پیچیده می کند. خصوصا رویکرد حداقل تصحیح خطا، که از معروفترین نسخه های این مسئله بوده و ثابت شده که از دسته مسائلnp -سخت است. تعریف رسمی مسئله بازسازی هاپلوتایپ بدین صورت است: با وجود مجموعهای از قطعات ناسازگار که با کمک روشهای توالییابی موجود به دست آمدهاند، خطاهای موجود در دادهها به نحوی یافته و اصلاح گردند که هاپلوتایپهای بدست آمده با قطعههای تصحیح شده حداکثر سازگاری را داشته باشند. از زمان ارائه اولین الگوریتم توسط لانسیا در سال 2001 تا کنون روش های متعددی برای حل این مسئله مطرح شدهاست . این روشها عموما به دو دسته الگوریتم های دقیق و غیر دقیق تقسیم می شوند. از آنجایی که حجم داده های واقعی بسیار بالاست، متاسفانه استفاده از الگوریتم های دقیق در مورد اینگونه داده ها عملی نیست. از این رو استفاده از الگوریتم های مکاشفه ای در مورد این داده ها توصیه می گردد. در حال حاضر بهترین الگوریتم مکاشفه ای موجود hapsat است، که با تبدیل مسئله بازسازی هاپلوتایپ به مسئله حداکثر ارضای بولین، هاپلوتایپهای موردنظر را محاسبه میکند. در این پایان نامه سه الگوریتم مکاشفه ای پیشنهاد شده است؛ که هر یک، به نوعی با تفکیک ستون های هوموزیگوت از هتروزیگوت، در صدد بهبودی بر بهترین الگوریتم مکاشفه ای موجود می باشند. عملیات جداسازی ستونها، پیش از مرحله تبدیل در الگوریتم hapsat انجام میشود. الگوریتم اول، errhapsat مبتنی بر نرخ خطای دستگاه توالی یاب می باشد. در این الگوریتم، نرخ خطا به عنوان مقدار آستانه برای تشخیص ستونهای هوموزیگوت به کار میرود. الگوریتم دوم، تحت عنوان boundhapsat با تحلیل آماری ماتریس اسنیپ به مشخص کردن مرزهایی برای تفکیک ستون ها از هم می پردازد. در الگوریتم سوم، minedhapsat، با کمک الگوریتم c4.5 در درخت تصمیم، که از روش های یادگیری ماشین به شمار می رود، مرزهای تفکیک محاسبه می شوند. کارایی الگوریتمهای پیشنهادی بر روی سه مجموعه داده مختلف مورد ارزیابی قرار گرفته است. این دادهها به دو گروه دادههای واقعی و دادههای شبیهسازی شده تقسیم میشوند. دسته اول دادههای واقعی برگرفته از فاز دوم پروژه هپمپ میباشند. مجموعه داده واقعی دیگر تحت عنوان دادههای هیورف میباشد که در آزمایشات مشابه مورد استفاده قرار گرفته است. نتایج حاصل از آزمایش ها نشان می دهد که هر سه این روش ها بدون تاثیر منفی بر روی سرعت، موجب افزایش دقت می شوند. با توجه به اینکه دقت هاپلوتایپ های بازسازی شده در حوزه ژنومیک بسیار حائز اهمیت است، این روش ها می توانند جایگزین بهترین روش مکاشفه ای فعلی برای بازسازی هاپلوتایپ شوند.