شناسایی الگو در ژن های ppar بر اساس تغییرات اپی ژنتیک

تمام سلول های موجود زنده چند سلولی توالی های ژنتیکی مشابهی دارند، اما با بیان ژن مخصوص خود برنامه ریزی می شوند. این امر به انواع سلول های مجزا با عملکردهای تخصصی مختلف منجر می شود. بیان ژن توسط مکانیزم های اپی ژنتیک مثل تغییرات هیستون کارگردانی می گردد. در سلول های یوکاریوتیک، توالی dna به طول 147 جفت باز به دور پروتئین های هیستونی هشت تایی پیچیده می شوند. این پروتئین های هیستونی دارای دُم هایی هستند که می توانند از لحاظ بیوشیمیایی دچار تغییر شوند و در نتیجه با تحت تأثیر قرار دادن ماشین آلات رونویسی، بیان ژن را تنظیم کنند. پیشرفت تکنولوژی های ریز آرایه و توالی یابی dna، محققان را به سوی شناسایی الگوهای اپی ژنتیک سوق داده است. مطالعات آن ها نشان داده است که الگوهای اپی ژنتیکی مهم با مراحل رشد و نمو و بعضی بیماری ها مثل سرطان مرتبط هستند. این مطالعات به طور عمده به الگوهای اپی ژنتیکی کانونی محدودشده اند و روش های آنالیز در سطح کل ژنوم هنوز هم ناقص می باشد. در قیاس با کدهای ژنتیکی، فرض شده است که کدهای اپی ژنتیکی کنترل کننده بیان ژن نیز وجود دارند. این کدها، در واقع الگوهایی از تغییرات هیستون ها هستند. بعضی مطالعات نشان داده اند ژن هایی که در یک چرخه تنظیمی مشابه حضور دارند دارای الگوهای مشابه از تغییرات هیستون هستند. شناسایی الگوهای ناشناخته که به طور متناوب در توالی dna اتفاق می افتد، یکی از مسائل چالش برانگیز در علم بیوانفورماتیک است. این پژوهش روی مدل های محاسباتی برای پیش بینی تغییرات هیستون و اشغال نوکلئوزوم در کل ژنوم مخمر و استفاده از الگوی کدهای اپی ژنتیک (یعنی، کد هیستون) برای دسته بندی ژن های چرخه ppar و ژن های تصادفی خارج از این چرخه در ژنوم انسان تمرکز می کند. این پایان نامه ابتدا، یک روش مبتنی بر یادگیری ماشین برای دسته بندی توالی های dna با سطح بالا و پایین تغییرات هیستون را پیشنهاد می دهد. طرح پیشنهادی در یک دیتاست استاندارد با روش های دیگر مقایسه شده است. مقایسه نشان می دهد که طرح پیشنهادی 30% دقت تشخیص روش های قبلی را افزایش داده است. در ادامه به شناسایی الگوهای تغییرات هیستون در ژن های چرخه ppar و استفاده از این الگوها برای دسته بندی ژن ها می پردازیم. روش پیشنهادی اولین پژوهشی است که از اطلاعات اپی ژنتیک (الگوهای تغییرات هیستون) برای دسته بندی ژن ها استفاده می کند و دقت دسته بندی آن 92.8% است.