نمایش مختصر رکورد

dc.contributor.authorفرهادی, زهرهfa_IR
dc.contributor.authorشاهسونی, داودfa_IR
dc.date.accessioned1399-08-23T09:08:27Zfa_IR
dc.date.accessioned2020-11-13T09:08:28Z
dc.date.available1399-08-23T09:08:27Zfa_IR
dc.date.available2020-11-13T09:08:28Z
dc.date.issued2015-10-01en_US
dc.date.issued1394-07-09fa_IR
dc.identifier.citationفرهادی, زهره, شاهسونی, داود. (1394). خوشه‌بندی داده‌های بیان‌ژنی توسط عدم تشابه جنگل تصادفی. مجله علوم پزشکی رازی, 22(136), 109-118.fa_IR
dc.identifier.issn2228-7043
dc.identifier.issn2228-7051
dc.identifier.urihttp://rjms.iums.ac.ir/article-1-4097-fa.html
dc.identifier.urihttps://iranjournals.nlai.ir/handle/123456789/595236
dc.description.abstractزمینه و هدف: خوشه‌بندی داده‌های بیان‌ژنی در تشخیص و درمان سرطان، دارای اهمیت بسزایی است. مشخصه‌ی بارز این داده‌ها تعداد زیاد متغیرها (ژن‌ها) نسبت به تعداد داده‌ها (بیماران) است. بسیاری از روش‌های خوشه‌بندی بر پایه‌ی عدم تشابه داده‌ها که حاصل محاسبه‌ی یک تابع فاصله است‏، بنا شده‌اند و افزایش ‏بعد‏، کارآیی توابع فاصله را کاهش می‌دهد‏. در این تحقیق معیاری جدید برای محاسبه‌ی عدم تشابه در ابعاد بالا‏، بر اساس یک روش رده‌بندی به نام جنگل تصادفی معرفی شده و کارایی آن در تحلیل داده‌های بیان ژنی، مورد ارزیابی قرار گرفته است. روش کار: در این مقاله خوشه‌بندی مجموعه داده‌ی چاودری و همکاران  توسط عدم تشابه جنگل تصادفی مد نظر قرار گرفته ‌است. بدین منظور ابتدا مسئله‌ی خوشه‌بندی به مسئله‌ی رده‌بندی تبدیل شده و با انجام رده‌بندی جنگل تصادفی، عدم تشابه مربوطه محاسبه شده‌است. سر انجام داده‌ها توسط روش خوشه‌بندی افراز حول مدوید، خوشه‌بندی شده و نتیجه‌ی خوشه­بندی توسط شاخص رند تعدیل یافته مورد ارزیابی قرار گرفته است. تمامی تحلیل‌ها با نرم افزار R انجام شده‌است. یافته‌ها: مقدار شاخص رند تعدیل یافته (۰/۸۱۴۹)، نشان‌دهنده‌ی انطباق مطلوب خوشه‌های تخمینی با گروه‌های واقعی است. همچنین با استفاده از قابلیت تعیین اهمیت متغیرها در روش جنگل تصادفی، ژن شماره‌ی ۳۱ موثرترین ژن در این خوشه‌بندی شناخته شد و توانستیم خوشه‌های تخمینی را تنها بوسیله‌ی این ژن توصیف کنیم. نتیجه‌گیری: عدم تشابه جنگل تصادفی، معیاری  کارا برای سنجش عدم تشابه داده‌ها در خوشه‌بندی داده‌های بیان ژنی است. همچنین می‌توان با استفاده از قابلیت متحصر به‌فرد این روش، ژن‌های موثر در خوشه‌بندی را شناسایی نموده و خوشه‌های تخمینی را به‌وسیله‌ی آن‌ها توصیف نمود.fa_IR
dc.format.extent991
dc.format.mimetypeapplication/pdf
dc.languageفارسی
dc.language.isofa_IR
dc.publisherدانشگاه علوم پزشکی ایرانfa_IR
dc.relation.ispartofمجله علوم پزشکی رازیfa_IR
dc.relation.ispartofRazi Journal of Medical Sciencesen_US
dc.subjectخوشه‌بندیfa_IR
dc.subjectداده‌های بیان‌ژنیfa_IR
dc.subjectعدم تشابه جنگل تصادفیfa_IR
dc.subjectتعیین اهمیت متغیرهاfa_IR
dc.subjectنوزادانfa_IR
dc.titleخوشه‌بندی داده‌های بیان‌ژنی توسط عدم تشابه جنگل تصادفیfa_IR
dc.typeTexten_US
dc.typeپژوهشيfa_IR
dc.contributor.departmentکارشناس ارشد آمار، دانشگاه شاهرود، شاهرود، ایرانfa_IR
dc.contributor.departmentعضو هیات علمی گروه آمار، دانشگاه شاهرود، شاهرود، ایرانfa_IR
dc.citation.volume22
dc.citation.issue136
dc.citation.spage109
dc.citation.epage118


فایل‌های این مورد

Thumbnail

این مورد در مجموعه‌های زیر وجود دارد:

نمایش مختصر رکورد