کاهش بعد داده‌های توالی جایگاه‌های پیوند روی ژنوم انسان با استفاده از شبکه‌ی عصبی عمیق اتوانکودر

Abstract

استفاده از توالی­های نوکلئوتیدی ژنوم به عنوان سیگنال­های بیوشیمیایی در روش­های یادگیری ماشین، با تبدیل این توالی­ها به کدهای عددی امکان­پذیر است و این تبدیل باعث افزایش غیرواقعی بعد داده­ها شده و انجام عملیات­های تحلیل داده، مانند بصری­سازی و استخراج ویژگی را با محدودیت­هایی روبه‌رو می­سازد. از این‌رو، باید با استفاده از روش­های کاهش بعد، داده­ها را به فضای واقعی برگرداند. در این پژوهش از یک شبکه‌ی عصبی عمیق اتوانکودر به منظور کاهش بعد داده­های توالی مربوط به جایگاه­های پیوند روی ژنوم انسان استفاده شده است. به منظور بررسی میزان حفظ اطلاعات داده­های اصلی در داده­های کاهش بعد یافته، از یک طبقه­بندی دوکلاسه به وسیله‌ی ماشین بردار پشتیبان استفاده می­شود. نتایج به دست آمده نشان می­دهد که اطلاعات تقریبا به طور کامل در فشرده­سازی حفظ می­شود. سپس از داده­های فشرده‌شده برای بصری­سازی و هم‌چنین انتخاب ویژگی با تحلیل واریانس استفاده می­شود. نتایج به دست آمده نشان می­دهد که مکان­های اول، دهم و هشتم در توالی­ها دارای بیشترین اطلاعات هستند. درحالی‌که عمده‌ی پژوهش­های پیشین روی داده­های بیان ژن حاصل از میکروآرایه، متمرکز شده­اند و مقایسه‌ی محدودی بین روش­های کاهش بعد در آن‌ها انجام شده است. این مقاله برای نخستین بار، داده­های نوکلئوتیدی توالی را با شبکه‌ی اتوانکودر، کاهش بعد داده و مقایسه‌ی جامعی بین انواع روش­های کاهش بعد و یادگیری ماشین ارائه می­دهد.