دوره 8، شماره 3 - ( 9-1400 )                   جلد 8 شماره 3 صفحات 281-270 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Eskandarian P, Bagherzadeh Mohasefi J, Pirnejad H, Niazkhani Z. Multivariate Feature Extraction for Prediction of Future Gene Expression Profile. jhbmi 2021; 8 (3) :270-281
URL: http://jhbmi.ir/article-1-610-fa.html
اسکندریان پریناز، باقرزاده محاسفی جمشید، پیرنژاد حبیب اله، نیازخانی زهرا. استخراج ویژگی چندمتغیره برای پیش‌بینی ماتریس بیان ژنی آینده. مجله انفورماتیک سلامت و زیست پزشکی. 1400; 8 (3) :270-281

URL: http://jhbmi.ir/article-1-610-fa.html


دکتری مهندسی نرم‌افزار، دانشیار، دانشکده مهندسی برق و کامپیوتر، دانشگاه ارومیه، ارومیه، ایران
چکیده:   (6350 مشاهده)
مقدمه: ویژگی‌های یک سلول را می‌توان با بررسی ماتریس بیان ژنی مربوط به آن سلول تعیین کرد. اگر بتوان ماتریس‌های بیان ژنی مربوط به سلول‌های فرزند آینده را پیش‌بینی کرد، در حقیقت ویژگی‌های سلول‌های آینده پیش‌بینی شده‌اند. هدف مطالعه حاضر، طراحی یک شبکه عصبی مصنوعی برای پیش‌بینی ماتریس‌های بیان ژنی برای سلول‌های فرزندی است که از تقسیم/تمایز سلول‌های بنیادی هماتوپویتیک در آینده به دست خواهند آمد.
روش: شبکه عصبی طراحی‌‌شده ماتریس بیان ژنی یک سلول بنیادی هماتوپویتیک والد را به عنوان ورودی می‌گیرد و ماتریس‌های بیان ژنی مربوط به سلول‌های فرزند آینده آن را تولید می‌کند. یک کدگذار زمانی برای کدگذاری سری زمانی اصلی و یک کدگذار مکانی برای کدگذاری سری‌های زمانی ثانویه پیشنهاد می‌شود.
نتایج: برای آن که پیش‌بینی قابل پذیرشی انجام شود، باید ماتریس­های بیان ژنی مربوط به دست­کم چهار مرحله اولیه از تقسیم/تمایز مشخص باشند. شبکه عصبی طراحی­شده از نظر خطای پیش‌بینی و تعداد مراحل تقسیم/تمایز که به درستی پیش‌بینی شده باشند، نسبت به شبکه­های عصبی موجود بهتر عمل می‌کند. طرح پیشنهادی این مطالعه می­تواند پیش‌بینی را برای صدها مرحله از تقسیم/تمایز سلولی انجام دهد. خطای طرح پیشنهادی برای پیش­بینی 1، 4، 16، 64 و 128 مرحله از تقسیم/تمایز به ترتیب برابر با 3/04، 3/76، 5/5، 7/83، و 11/06 درصد بوده است.
نتیجه‌گیری: با داشتن ماتریس بیان ژنی مربوط به یک سلول هما‌توپویتیک والد می‌توان ماتریس‌های بیان ژنی مربوط به فرزندان آن را تا صدها مرحله از تقسیم/تمایز پیش‌بینی کرده و در صورت لزوم، به موقع چاره‌ای برای روبه‌رو شدن با مشکلات ژنتیکی آینده اندیشید.
متن کامل [PDF 1042 kb]   (473 دریافت)    
نوع مطالعه: پژوهشي اصیل | موضوع مقاله: هوش مصنوعی در حوزه سلامت
دریافت: 1400/4/15 | پذیرش: 1400/9/24

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به مجله انفورماتیک سلامت و زیست پزشکی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 CC BY-NC 4.0 | Journal of Health and Biomedical Informatics

Designed & Developed by : Yektaweb