مقاله

پیش بینی ژن‏ های بیماری با استفاده از دسته‏ بند تک کلاسی ماشین بردار پشتیبان

اکرم وثیقی ذاکر، akram vasighi zaker tarbiat modares university, jalal ale ahmad highway, p.o.box: 14115-111, tehran, iranتهران، جلال آل احمد، پل نصر، دانشگاه تربیت مدرس ، صندوق پستی : 111-14115 سعید جلیلی، saeed jalili tarbiat modares university, jalal ale ahmad highway, p.o.box: 14115-111, tehran, iranتهران، جلال آل احمد، پل نصر، دانشگاه تربیت مدرس ، صندوق پستی : 111-14115

دانلود متن کاملرایگان، با حساب کاربری؛ ثبت نام با گوگل چند ثانیه است

چکیده

چکیده: در بحث شناسایی و دسته‏بندی ژن‏های بیماری، متخصصان تنها به دسته‏بندی یک کلاس خاص، یعنی ژن‏های بیماری علاقمند هستند و توجهی به کلاس‏های دیگر، یعنی ژن‏های غیربیماری ندارند. در مباحث یادگیری ماشین، این کاربرد تحت عنوان دسته‏بندی تک کلاسی مطرح می شود. روش‏های موجود مبتنی بر یادگیری معمولا ژن‏های شناخته شده بیماری را به عنوان مجموعه آموزشی مثبت، و ژن‏های ناشناخته را به عنوان مجموعه آموزشی منفی برای ایجاد یک دسته‏بند دودویی استفاده می کنند. از آنجاییکه در پایگاه داده‏های موجود در علم ژنتیک مجموعه ژن غیربیماری وجود ندارد، ما در این مقاله با استفاده از روش دسته‏بند تک‏کلاسی ماشین بردار پشتیبان و در نظر گرفتن تنها ژن‏های بیماری‏زا اقدام به شناسایی داده‏های بدون برچسب‏ می‏کنیم. روش پیشنهادی نسبت به روش‏های موجود از لحاظ معیار‏های دقت، بازخوانی و معیارf1 نتایج بهتری را ارایه می دهد.

اسناد مشابه