مقاله

به کارگیری خوشه بندی دوبعدی با روش «زیرماتریس های با میانگین- درایه های بزرگ» در داده های بیان ژنی حاصل از ریزآرایه های dna

حمید علوی مجد، hamid alavi majd paramedical sciences faculty, shahid beheshti medical sciences universityگروه آمار زیستی دانشکده پیراپزشکی دانشگاه علوم پزشکی شهید بهشتی شیما یونس پور، shima younespoor paramedical sciences faculty, shahid beheshti medical sciences universityدانشکده پیراپزشکی دانشگاه علوم پزشکی شهید بهشتی فرید زایری، farid zayeri paramedical sciences faculty, shahid beheshti medical sciences universityگروه آمار زیستی دانشکده پیراپزشکی دانشگاه علوم پزشکی شهید بهشتی مصطفی رضایی طاویرانی، mostafa rezaei tavirani paramedical sciences faculty, shahid beheshti medical science universityگروه علوم پایه دانشکده پیراپزشکی دانشگاه علوم پزشکی شهید بهشتی

چکیده

مقدمه و هدف: در سال های اخیر، فناوری ریزآرایه ی dna نقش اساسی در تحقیقات ژنومی داشته ­است. با استفاده از این فناوری که امکان آنالیز هم­زمان سطوح بیان هزاران ژن را در شرایط مختلف فراهم­آورده­است، به حجم انبوهی از داده ها دست­می یابیم. روش های کلاسیک خوشه بندی نظیر روش های سلسله مراتبی و غیرسلسله مراتبی، روش هایی مناسب برای تحلیل این­گونه داده ها هستند اما محدودیت هایی نیز دارند. در این روش ها فرض بر آن است که یک ژن یا یک شرایط آزمایشی را تنها می توان به یک خوشه منتسب­کرد و یک ژن، متعلق به گروهی از ژن هاست که با هم، تحت همه شرایط آزمایشی تنظیم می شوند. بنابراین به­منظور رفع این کاستی ها از روش های خوشه بندی دوبعدی استفاده­می شود. هدف از این پژوهش، بررسی کارآیی یک روش خوشه بندی دو­بعدی در تحلیل داده های بیان ژنی مخمر است. مواد و روش ها: در این پژوهش، داده های بیان ژنی مخمرِ saccharomyces cerevisiae گسچ و همکاران (2000) با استفاده از روش خوشه بندی دوبعدی (las large average submatrices) تحلیل­شده­اند. مجموعه داده ها، 173 شرایط آزمایشی مختلف و مجموعه ای از 2993 ژن را در­بر­گرفته و برای تحلیل داده ها از نرم افزارهای las، jmp و goal استفاده­شده­است. نتایج: نتایج نشان­داد که روش las قادر است خوشه های دوبعدی مناسبی از دیدگاه آماری و زیست شناسی تولید­کند. نتیجه گیری: این مطالعه نشان ­می دهد که می توان با استفاده از روش las، زیرمجموعه هایی از ژن ها را با الگوهای بیان مشابه در زیرمجموعه ای از شرایط آزمایشی شناسایی­کرد که از نظر زیست شناسی معنی دارند.

اسناد مشابه

  • الگوریتم های خوشه بندی دوبعدی در داده های بیان ژنی: یک مطالعه مروری

    مقالهgenetics in the 3rd millenniumحمید علوی مجد، hamid alavi majd احمدرضا باغستانی، ahmad reza baghestani سید محمد طباطبائی، seyyed mohammad tabatabaei سوده شهسواری

    در سال های اخیر تکنولوژی ریز آرایه امکان مشاهده و بررسی بیان هم زمان هزاران ژن را وقتی سلول تحت شرایط مختلف یا پروسه های متفاوت قرار می گیرد را فراهم کرده است و نقشی اساسی در سرعت بخشیدن و بالا رفتن کارایی مطالعات بیان ژنی ایفا می کند. یکی از مهم ترین تکنیک های تشخیص الگو در داده

  • به کارگیری خوشه‌بندی دوبعدی با روش «زیرماتریس‌های با میانگین- درایه‌های بزرگ» در داده‌های بیان ژنی حاصل از ریزآرایه‌های DNA

    مقاله۲۰۱۱دانشور پزشکیحمید علوی‌مجد، شیما یونس‌پور، فرید زایری، مصطفی رضایی طاویرانی

    مقدمه و هدف: در سال‌های اخیر، فناوری ریزآرایه‌ی DNA نقش اساسی در تحقیقات ژنومی داشته‌است. با استفاده از این فناوری که امکان آنالیز همزمان سطوح بیان هزاران ژن را در شرایط مختلف فراهمآوردهاست، به حجم انبوهی از داده‌ها دستمی‌یابیم. روش‌های کلاسیک خوشه‌بندی نظیر روش‌های سلسله‌مراتبی

  • خوشه بندی داده های بیان ژنی توسط عدم تشابه جنگل تصادفی

    مقالهمجله علوم پزشکی رازیزهره فرهادی، کارشناس ارشد آمار، دانشگاه شاهرود، شاهرود، ایران داود شاهسونی، عضو هیات علمی گروه آمار، دانشگاه شاهرود، شاهرود، ایران

    زمینه و هدف: خوشه بندی داده های بیان ژنی در تشخیص و درمان سرطان، دارای اهمیت بسزایی است. مشخصه ی بارز این داده ها تعداد زیاد متغیرها (ژن ها) نسبت به تعداد داده ها (بیماران) است. بسیاری از روش های خوشه بندی بر پایه ی عدم تشابه داده ها که حاصل محاسبه ی یک تابع فاصله است‏، بنا شده ا

  • خوشه بندی داده های بیان ژنی و کاربرد آن در تحلیل افتراق انواع سرطان خون

    مقالهکومشمحسن واحدی، m. vahedi research center for gastroenterology and liver diseases, shaheed beheshti medical university, tehran, iran.دانشگاه علوم پزشکی شهید بهشتی، مرکز تحقیقات بیماری های گوارش و کبد حمید علوی مجد، h. alavi majd shaheed beheshti medical university, tehran, iran.دانشگاه علوم پزشکی شهید بهشتی، دانشکده پیرایزشکی یدا... محرابی، y. mehrabi shaheed beheshti medical university, tehran, iran.دانشگاه علوم پزشکی شهید بهشتی، دانشکده بهداشت بهار نقوی

    سابقه و هدف: یکی از شاخه های مهم بیوانفورماتیک فناوری ریزآرایه dna است که امکان بررسی بیان هزاران ژن را به طور هم زمان در حداقل زمان ممکن می سازد که در سال های اخیر موجب تولید حجم انبوهی از داده های بیان ژنی شده است. تحلیل آماری این داده ها شامل نرمال سازی، خوشه بندی، طبقه بندی و

  • تعیین مناطق لرزه زمین ساخت با به کارگیری روش های خوشه بندی افرازی داده های لرزه ای

    مقالهمهندسی فناوری اطلاعات مکانیمحمد کاظمی بیدختی، mohammad kazemi beydokhti رحیم علی عباسپور، rahim ali abbaspour

    مناطق لرزه زمین ساخت به مناطقی اطلاق می شوند که ویژگی های لرزه ای، زمین ساخت ­جنبا و سیستم گسلی شبیه به هم داشته باشند. شناسایی این مناطق به منظور ارزیابی خطر زمین لرزه، یکی از موضوعات حائز اهمیت در مطالعات لرزه ای است. روش های خوشه بندی به عنوان ابزاری مناسب برای شناسایی اطلاعات

  • خوشه بندی داده های بیان ژنی با استفاده از قوانین فازی

    پایان‌نامه۲۰۱۲وزارت علوم، تحقیقات و فناوری - دانشگاه شیراز - دانشکده برق و کامپیوترمهرنوش سینایی

    پیچیدگی شبکه های زیستی و تعداد زیاد ژ ن ها در مجموعه داده های ریز آرایه منجر به چالش های فراوان در زمینه تحلیل داده های بیان ژنی شده است. الگوریتم های خوشه بندی که ژن های مشابه یکدیگر را به هدف تحلیل عملکرد ژن ها گروه بندی می نماید اولین قدم برای رویارویی با این چالش ها می باشد.