دوره 18، شماره 2 - ( 7-1400 )                   جلد 18 شماره 2 صفحات 97-114 | برگشت به فهرست نسخه ها

XML English Abstract Print


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

mojarad M, parvin H, nejatiyan S, Bagheri Fard K A. Combining a Ensemble Clustering Method and a New Similarity Criterion for Modeling the Hereditary Behavior of Diseases. JSDP. 2021; 18 (2) :97-114
URL: http://jsdp.rcisp.ac.ir/article-1-980-fa.html
مجرد موسی، پروین حمید، نجاتیان صمد، باقری فرد کرم الله. ترکیب یک روش خوشه‌بندی تجمعی و یک معیار شباهت جدید برای مدل‌سازی رفتار وراثتی بیماری‌ها. پردازش علائم و داده‌ها. 1400; 18 (2) :97-114

URL: http://jsdp.rcisp.ac.ir/article-1-980-fa.html


دانشگاه ازاد
چکیده:   (76 مشاهده)
امروزه تئوری‌های بسیاری در مورد علل بروز بیماری‌های وراثتی وجود دارد، اما پزشکان معتقدند که دو فاکتور ژنتیک و محیط‌زیست هم‌زمان باهم نقش مهمی در بروز و پیشرفت این بیماری‌ها ایفا می‌کنند، هرچند که چگونگی این اثرگذاری هنوز به‌طور دقیق مشخص نیست. برای اینکه بتوان ژن‌های مؤثر در بروز بیماری‌ها را تشخیص داد، باید ارتباط بین سلول‌ها/بافت­ها را به دست آورد. تعامل بین سلول‌های/بافت‌های مختلف را می‌تواند با بیان ژن بین آنها مختلف نشان داد. با نمونه­برداری از کروموزوم‌ها، اطلاعات مفیدی در مورد نوع بیماری و چگونگی انتقال آن استخراج می­شود. با بررسی این اطلاعات می­توان اختلالاتی که منجر به تغییرات به‌شدت پرتکراری شده­اند را شناسایی کرد. در این مقاله تشخیص ارتباط‌های بین سلولی و بین بافتی در بیماری‌های مختلف با توجه به مشخصات ساختار توپولوژیکی گراف و یک روش خوشه‌بندی تجمعی بهبودیافته انجام شده است. روش پیشنهای دارای دو مرحله می‌باشد؛ در مرحله اول چندین مدل خوشه‌بندی به‌منظور تشخیص ارتباط‌های اولیه بین سلول‌ها یا بافت‌ها در جهت تولید نتایج بهتر نسبت به الگوریتم‌های انفرادی، ترکیب می‌شوند. در مرحله دوم تشابه بین سلول‌ها یا بافت‌ها در هر خوشه با استفاده از یک معیار شباهت مبتنی بر ساختار توپولوژیکی گراف محاسبه می‌شود. درنهایت از حداکثر شباهت­های بین سلول­ها یا بافت­ها در هر خوشه برای کشف ارتباطات بین بیماری­ها استفاده می­شود.  به‌منظور ارزیابی عملکرد روش پیشنهادی از چندین مجموعه داده UCI و همچنین مجموعه داده فانتوم 5 استفاده شده است. نتایج روش پیشنهادی روی مجموعه داده فانتوم 5، ضریب سیلوئت 901/0 را در 18 خوشه برای سلول­ها و 762/0 در 13 خوشه برای بافت­ها را گزارش می­کند.
متن کامل [PDF 947 kb]   (56 دریافت)    
نوع مطالعه: كاربردي | موضوع مقاله: مقالات پردازش داده‌های رقمی
دریافت: 1397/12/7 | پذیرش: 1399/5/28 | انتشار: 1400/7/16 | انتشار الکترونیک: 1400/7/16

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 تارنما متعلق به فصل‌نامة علمی - پژوهشی پردازش علائم و داده‌ها است.