روش نوین خوشه بندی داده های بیان ژنی

یکی از تحولات مهم علم ژنتیک، ظهور فناوری ریزآرایه و تولید داده های بیان ژنی است که امکان مطالعه رفتار هزاران ژن را به طور همزمان فراهم می کند. خوشه بندی یکی از روش های داده کاوی است که در تحلیل داده های بیان ژنی مورد استفاده قرار می گیرد. از آنجا که عملکرد روش های خوشه بندی به شدت تحت تاثیر داده ها است، نتیجه خوشه بندی همواره با عدم قطعیت روبه رو بوده و الگوریتمی وجود ندارد که بتوان آن را برای تمام داده ها، کارا قلمداد نمود. در این تحقیق، در تحلیل داده های بیان ژنی از خوشه بندی اجماعی (ترکیب نتایج چندین الگوریتم خوشه بندی) به جای اجرای یک الگوریتم منفرد استفاده شده است.
این مقاله عملکرد خوشه بندی اجماعی را بر روی سه مجموعه داده بیان ژنی Nutt-v3، Alizadeh-v2 وSU، توسط شاخص رند تعدیل یافته مورد ارزیابی قرار می دهد. برای پیاده سازی خوشه بندی اجماعی، دوازده خوشه بندی متفاوت حاصل از ترکیب چهار الگوریتم خوشه بندی با سه معیار عدم تشابه، به طور همزمان روی داده ها اجرا شده اند. پس از ادغام نتایج، میزان تطابق خوشه های تخمینی با گروه های واقعی توسط شاخص رند تعدیل یافته سنجیده شده است.
مقدار شاخص رند تعدیل یافته برای سه مجموعه داده Nutt-v3 ، Alizadeh-v2 و SU، به ترتیب برابر 1، 0/9 و 0/58به دست آمد که حاکی از دقت بالای روش پیشنهادی در کشف ساختارهای نهفته در داده ها است. همچنین الگوریتم طراحی شده، توانست تعداد واقعی خوشه ها را بدون خطا تشخیص دهد.
خوشه بندی اجماعی روشی توانمند برای خوشه بندی داده های بیان ژنی است. با توجه به دقت این روش در کشف ساختارهای واقعی، می توان آن را با اطمینان جایگزین الگوریتم های خوشه بندی منفرد نمود.