تشخیص لوسمی لنفوسیتی و میلوئیدی حاد با استفاده از انتخاب ژن های موثر ریز آرایه و الگوریتم های داده کاوی

پیام:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:

سرطان یکی از مهم ترین علت های مرگ و میر در جهان است. در بیشتر موارد اگر این بیماری زودتر شناسایی شود قابل درمان است. یکی از روش های تشخیص سرطان استفاده از داده های ریزآرایه است که بر خلاف روش تصویربرداری، اشعه های مضر برای انسان در آن وجود ندارد. ریزآرایه ها دارای ژن های بسیار زیادی هستند که باعث پیچیده و زمان بر شدن تحلیل می شوند بنابراین انتخاب ژن های مفید یکی از گام های اساسی در تشخیص این بیماری است. روش پیشنهادی در این مقاله دارای دو فاز اصلی است که فاز اول آن انتخاب ژن های موثر است. در فاز بعدی، عمل تشخیص بیماری از ژن های انتخاب شده توسط فاز اول انجام می گیرد. در گذشته الگوریتم های زیادی مانند Ridge برای این منظور ارایه شده است که با توجه به نتایج به دست آمده از آزمایش ها، دقت روش پیشنهادی این مقاله نسبت به آن ها برتری دارد. در این مقاله از مجموعه داده لوکیمیا و سرطان روده به عنوان ورودی و ارزیابی روش پیشنهادی استفاده شده است. دقت روش پیشنهادی جهت تعیین مکان ژن ها و تشخیص نوع سرطان لوکیمیا و سرطان روده به ترتیب 62/97% و 31/92% است. نتایج به دست آمده از این روش نسبت به دیگر روش های موجود از نظر دقت در مجموعه داده لوکیمیا 38/2% و در مجموعه داده سرطان روده 61/5% بهبود یافته است؛ همچنین نسبت به آزمایش های بیولوژی از دسترسی آسان تر و هزینه کمتری برخوردار است.

زبان:
فارسی
صفحات:
137 تا 147
لینک کوتاه:
magiran.com/p2453307 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!