طبقه بندی میکروآرایه هایDNA بااستفاده ازشبکه های عصبی والگوریتم ABC

طبقه بندی میکروآرایه هایDNA بااستفاده ازشبکه های عصبی والگوریتم ABC

طبقه بندی میکروآرایه های DNA با استفاده از شبکه های عصبی و الگوریتم ABC
چکیده

میکروآرایه DNA یک تکنولوژی جدید است که می تواند به طور همزمان سطح بیان میلیون ژن را تحلیل کند. سطح بیان ژن نشان دهنده ی سنتز مولکول ریبو نوکلئیک اسید در یک سلول است. با استفاده از سطح بیان ژن، می توان بیماری را تشخیص داد، تومورها را شناسایی کرد، بهترین درمان برای مقاومت در برابر بیماری را انتخاب کرد، و در میان فرایندهای دیگر، جهش ها را تشخیص دهد. به منظور دست یابی به این هدف، تکنیک های محاسباتی مختلفی مانند روش طبقه بندی الگو می توانند اجرا شوند. مسئله دسته بندی شامل شناسایی کلاس ها یا گروه های مختلف مرتبط با یک بیماری خاص است (برای مثال، انواع مختلف سرطان، از نظر سطح بیان ژن). با این حال، تعداد زیاد ژن ها و نمونه های کم موجود، فرایند یادگیری و تشخیص هرگونه تکنیک طبقه بندی را دشوار کرده است. شبکه های عصبی مصنوعی مدل های محاسباتی در هوش مصنوعی هستند که برای کلاس بندی، پیش بینی، و تقریب توابع استفاده می شوند. در میان معروف ترین روش ها، ما به پرسپترون چند لایه، تابع شعاعی تابع شبکه عصبی و ماشین بردار پشتیبان اشاره می کنیم. هدف این پژوهش، ارائه یک روش برای دسته بندی میکروآرایه DNA است. روش مطرح شده براساس یک الگوریتم انبوه یک فرایند انتخاب ویژگی را انجام می دهد و مجموعه ای از ژن ها را پیدا می کند. این ژن ها به بهترین شیوه می توانند یک بیماری را توصیف کنند. بعد از این مرحله، ANN های مختلف با استفاده از زیرمجموعه ژن ها آموزش دیده می شوند. در نهایت، چهار مجموعه داده مختلف برای تایید درستی روش ارائه شده و آزمایش ارتباط ژن ها به دسته بندی صحیح نمونه بیماری ها استفاده می شود.

Classification of DNA microarrays using artificial neural networks and ABC algorithm

abstract

DNA microarray is an efficient new technology that allows to analyze, at the same time, the expression level of millions of genes. The gene expression level indicates the synthesis of different messenger ribonu-cleic acid (mRNA) molecule in a cell. Using this gene expression level, it is possible to diagnose diseases, identify tumors, select the best treatment to resist illness, detect mutations among other processes. In order to achieve that purpose, several computational techniques such as pattern classification approaches can be applied. The classification problem consists in identifying different classes or groups associated with a particular disease (e.g., various types of cancer, in terms of the gene expression level). However, the enormous quantity of genes and the few samples available, make difficult the processes of learning and recognition of any classification technique. Artificial neural networks (ANN) are computational models in artificial intelligence used for classifying, predicting and approximating functions. Among the most popular ones, we could mention the multilayer perceptron (MLP), the radial basis function neural net­work (RBF) and support vector machine (SVM). The aim of this research is to propose a methodology for classifying DNA microarray. The proposed method performs a feature selection process based on a swarm intelligence algorithm to find a subset of genes that best describe a disease. After that, different ANN are trained using the subset of genes. Finally, four different datasets were used to validate the accuracy of the proposal and test the relevance of genes to correctly classify the samples of the disease

Keywords:

DNA microarrays

Artificial neural networks

Pattern recognition

Cancer classification

Artificial Bee Colony algorithm

کد:۱۲۸۰۷

منبع: دانلود مقاله

درباره نویسنده

نوشته های مرتبط

نظری بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *