پیش بینی رفتار ویروس های آنفلوآنزا(بر اساس آنتی ژن هماگلوتینین)با استفاده از ابزار سری های زمانی در داده کاوی

آنفلوآنزا یک بیماری واگیردار است که شیوع ویروس آن در بدن انسان ها و حیوانات خسارات مالی و جانی فراوانی به بار می آورد. محققان همواره به دنبال ساخت واکسن بوده-اند اما در هر ویروس این بیماری، از هر فصلی تا فصل دیگر جهش ژنتیکی ایجاد می شود، در نتیجه واکسن ها و سیستم های دفاعی قبلی بی فایده می گردد. شیفت نوعی جهش است که در آن در نوع هماگلوتینین و یا نورامینداز ویروس تغییر حاصل می شود. این تحقیق به بررسی نوعی از رفتار هماگلوتینین های ویروس آنفلوانزا که منجر به شیفت می گردد می-پردازد. هدف آن است که بفهمیم آیا تغییر در سویه ها بر اساس یک الگوی قابل کشف بوده و یا تصادفی است. سری زمانی و دنباله کاوی از جمله روش هایی از داده کاوی هستند که داده هایی را که در طول زمان بوجود می آیند را بررسی می کنند. هماگلوتینین ها نیز از جمله داده هایی هستند که در طول زمان دچار تغییر و جهش می شوند و سویه های جدید را می-سازند. در این مطالعه تعداد سویه های h1 و h3 مشاهده شده در ایالات آمریکا، مورد تحلیل سری زمانی قرار می گیرد و برای 6 ماه آتی پیش بینی هایی روی فراوانی آنها انجام خواهد شد. برای این کار از روش های میانگین متحرک، هموارسازی نمائی و هالت-وینترز استفاده می گردد و در نهایت مشخص خواهد شد که تکنیک وینترز برای این داده ها بهترین روش است. سپس جهت تحلیل سویه های دیگر آنفلوانزا، با کمک الگوریتم های دنباله کاوی الگوهایی استخراج می گردد و در این الگوها مشخص خواهد شد که بعد از هر سویه احتمال رخداد کدام سویه ها بیشتر است. در این راستا از الگوریتم های fournier-viger، bide و rulegrowth استفاده خواهد شد، در نهایت ثابت می گردد که تکنیک rulegrowth بهتر عمل نموده است.