انتخاب ژن های مهم با آزمون تصادفی برای دسته بندی سرطان
خلاصه
انتخاب ژن مرحله اساسی در مطالعات بیوانفورماتیکی می باشد، چرا که این انتخاب ضامن طبقه بندی صحیح سرطان به دلیل ارتباط بسیار نزدیک آن با ژن هایی است که در این مسأله اختلال ایجاد می کنند. در این مطالعه از آزمون تصادفی (RT) برای انتخاب و دستیابی به داده های حاصل از بیان ژن آنها استفاده شده است. در این روش از یک روند آماری که بر گرفته شده از ضریب رگرسیون یک سری از مدل های PLSDA است برای بررسی قدرت ژن استفاده کرده اند. ژن های مورد اطمینان برای طبقه بندی داده های بدست آمده از بیان ژن 4 نوع سرطان پروستات، ریه، لوسمی و NSCLC انتخاب شده و صحت نسبت بین نتایج از طریق مدل سازی رگرسیون خطی (MLR) و آنالیز ترکیبی پیش بالینی (PCA) مورد تأیید قرار گرفت. با ژن های انتخاب شده نتایج رضایتمندی می تواند حاصل شود.
1- مقدمه
تقسیم بندی سرطان با استفاده از تکنولوژی ریز آرایه ای از موضوعات مهم در علم بیوانفورماتیک می باشد که می توان با استفاده از آن روش های درمانی انواع سرطان ها را شناسایی نمود. تعداد بسیار زیادی از مطالعات در جهت تقسیم بندی سرطان انجام شده اند [1-3]. از جمله روش های به کار رفته در تقسیم بندی سرطان PCA [4,5]، k-NN [6]، HCA [7]، SVM [8]، روند Bayesian [9]، PLSDA [10]، روش های گروهی [11] و ... می باشند. از بین روش های فوق PLSDA به دلیل سهولت استفاده بیشترین کاربرد را داراست [12-14]. علاوه بر این برای کاهش هزینه در مواردی که تعداد ژن بیشتر از تعداد نمونه است از PLS برای بررسی داده های حاصل از بیان ژن استفاده می شود.
Abstract
Gene selection is an important task in bioinformatics studies, because the accuracy of cancer classification generally depends upon the genes that have biological relevance to the classifying problems. In this work, randomization test (RT) is used as a gene selection method for dealing with gene expression data. In the method, a statistic derived from the statistics of the regression coefficients in a series of partial least squares discriminant analysis (PLSDA) models is used to evaluate the significance of the genes. Informative genes are selected for classifying the four gene expression datasets of prostate cancer, lung cancer, leukemia and non-small cell lung cancer (NSCLC) and the rationality of the results is validated by multiple linear regression (MLR) modeling and principal component analysis (PCA). With the selected genes, satisfactory results can be obtained.
1. Introduction
Cancer classification based on microarray has become a popular research topic in bioinformatics, which can be used to detect subtypes of cancers and produce therapies. A great many of studies have appeared for cancer classification [1–3]. These methods include principal component analysis (PCA) [4,5], k-nearest neighbor (k-NN) [6], hierarchical clustering analysis (HCA) [7], support vector machine (SVM) [8], Bayesian method [9], partial least squares discriminant analysis (PLSDA) [10], ensemble methods [11], etc. Among these methods, PLSDA has been the most commonly used one for cancer classification due to its simplicity [12–14]. Moreover, as a dimension reduction technique, PLS has been used in gene expression data analysis even in the case where the number of genes exceeds the number of samples.
خلاصه
1- مقدمه
2- روش ها
2- 1 روش آنالیز تفکیکی حداقل مربعات جزئی (PLSDA)
2-2 آزمون تصادفی
2- 3 روش RT-PLSDA
3-مجموعه داده ها
4-نتایج و بحث
4-1 انتخاب ژن بر اساس آزمون تصادف
4-2 قابلیت اجرای روش RT-PLSDA
4-3 بررسی زیستی ژن های انتخاب شده
4-4 بررسی های بیشتر روی ژن های انتخاب شده
4-5 مقایسه اثر دسته بندی با ژن های انتخاب شده توسط روش های مختلف
5- نتیجه گیری
منابع
Abstract
1. Introduction
2. Methods
2.1. Partial least squares discriminant analysis (PLSDA)
2.2. Randomization test (RT)
2.3. RT-PLSDA method
3. Datasets
4. Results and discussion
4.1. Gene selection by randomization test
4.2. Applicability of RT-PLSDA method
4.3. Biological investigation of the selected genes
4.4. Further investigation of the selected genes
4.5. Comparison of the classification effect with the gene selected by different methods
5. Conclusions
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه