دوره 18، شماره 2 - ( 7-1400 )
جلد 18 شماره 2 صفحات 114-97 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
mojarad M, parvin H, nejatiyan S, Bagheri Fard K A. Combining an 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
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
دانشگاه آزاد اسلامی، واحد فیروزآباد
چکیده: (1993 مشاهده)
امروزه تئوری‌های بسیاری در مورد علل بروز بیماری‌های وراثتی وجود دارد، اما پزشکان معتقدند که دو فاکتور ژنتیک و محیط زیست 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 به‌دست آورد. تعامل بین سلول‌ها یا بافت‌های مختلف را می‌توان، با بیان ژن بین آنها نشان داد. با نمونه‌برداری از کروموزوم‌ها، اطلاعات مفیدی در مورد نوع بیماری و چگونگی انتقال آن استخراج می‌شود. با بررسی این اطلاعات می‌توان اختلالاتی را که منجر به تغییرات به‌شدت پرتکراری شده‌اند 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 دو مرحله دارد؛ در مرحله نخست 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 و درنهایت از بیشینه شباهت‌های بین سلول‌ها یا بافت‌ها در هر خوشه برای کشف ارتباطات بین بیماری‌ها استفاده می‌شود. به‌منظور ارزیابی عملکرد روش پیشنهادی از چندین مجموعه‌داده UCI و همچنین مجموعه‌داده فانتوم پنج استفاده شده است. نتایج روش پیشنهادی روی مجموعه داده فانتوم پنج، ضریب سیلوئت 901/0 را در 18 خوشه برای سلول‌ها و 762/0 در 13 خوشه برای بافت‌ها را گزارش می‌کند.
واژه‌های کلیدی: ارتباط بین سلولی، خوشه‌بندی بهبودیافته، ساختار توپولوژیکی گراف، مجموعه‌داده فانتوم 5
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
دریافت: 1397/12/7 | پذیرش: 1399/5/28 | انتشار: 1400/7/16 | انتشار الکترونیک: 1400/7/16
فهرست منابع
1. [1] I. H. Park, N. Arora, H. Huo, N. Maherali, T. Ahfeldt, A. Shimamura,G. Q. Daley, "Disease-specific induced pluripotent stem cells", cell, no. 134(5), 877-886, 2008. [DOI:10.1016/j.cell.2008.07.041] [PMID] [PMCID]
2. [2] D. R. Bentley, S. Balasubramanian, H. Swerdlow, G. P. Smith, J. Milton, C. G. Brown, J. M. Boutell, "Accurate whole human genome sequencing using reversible terminator chemistry", nature, vol. 456(7218), pp.53, 2008.
3. [3] W. Cook, and J. Palsberg, "A denotational semantics of inheritance and its correctness", Vol. 24. No. 10. ACM, 1989. [DOI:10.1145/74878.74922]
4. [4] H. C. Lukaski, "Methods for the assessment of human body composition: traditional and new", The American journal of clinical nutrition, vol. 46 (4), pp. 537-556, 1987. [DOI:10.1093/ajcn/46.4.537] [PMID]
5. [5] R. A. Lewis, B. Otterud, D. Stauffer, J. M. Lalouel, & M. Leppert, "Mapping recessive ophthalmic diseases: linkage of the locus for Usher syndrome type II to a DNA marker on chromosome 1q", Genomics, vol. 7(2), pp.250-256, 1990 [DOI:10.1016/0888-7543(90)90547-8]
6. [6] A. Bretto, H. Cherifi, D. Aboutajdine, "Hypergraph imaging: an overview", Pattern Recognition, vol. 35(3), pp. 651-658, 2002. [DOI:10.1016/S0031-3203(01)00067-X]
7. [7] A. R. Forrest, H. Kawaji, M. Rehli, J. K. Baillie, M. J. De Hoon, V. Haberle, R. Andersson, "A level mammalian expression atlas", Nature, vol. 507(7493), pp. 462, 2012. [DOI:10.1038/nature13182] [PMID] [PMCID]
8. [8] M. E. Hegi, A. C. Diserens, S. Godard, , P. Y. Dietrich, , L. Regli, , S. Ostermann, R. Stupp, "Clinical trial substantiates the predictive value of O-6-methylguanine-DNA methyltransferase promoter methylation in glioblastoma patients treated with temozolomide", Clinical cancer research, vol.10(6), pp. 1871-1874, 2008. [DOI:10.1158/1078-0432.CCR-03-0384] [PMID]
9. [9] کریمی عباس، حسینی لیلا سادات، "الگوریتم بهینه تقسیم‌بندی تصاویر میکروسکوپی خون برای تشخیص سلول‌های لوسمی حاد لنفوبلاست با استفاده از الگوریتم FCM و بهینه‌سازی ژنتیک"، پردازش علائم و داده‌ها، 15 (2)، 45-54، 1397.
10. [9] Karimi A, Hoseini L S. An Optimal Algorithm for Dividing Microscopic Images of Blood for the Diagnosis of Acute Pulmonary Lymphoblastic Cell Using the FCM Algorithm and Genetic Optimization. JSDP. 2018; 15 (2) :45-54 [DOI:10.29252/jsdp.15.2.45]
11. [10] وحیدی فردوسی صدیقه، امیرخانی حسین، "ترکیب وزن‌دار خوشه‌بندی‌ها با هدف افزایش صحّت خوشه‌بندی نهایی"، پردازش علائم و داده‌ها، 17 (2)، 85-100، 1399.
12. [10] Vahidi Ferdosi S, Amirkhani H. Weighted Ensemble Clustering for Increasing the Accuracy of the Final Clustering. JSDP. 2020; 17 (2) :100-85. [DOI:10.29252/jsdp.17.2.100]
13. [11] M. A. Ahmad, Z. Borbora, J. Srivastava, & N. Contractor, "Link prediction across multiple social networks. In Data Mining Workshops (ICDMW)", 2010 IEEE International Conference on, pp. 911-918, 2010. [DOI:10.1109/ICDMW.2010.79]
14. [12] H. M. Byrne, "Dissecting cancer through mathematics: from the cell to the animal model", Nature reviews. Cancer, vol.10 (3), pp. 221, 2010. [DOI:10.1038/nrc2808] [PMID]
15. [13] A. Csikász-Nagy, "Computational systems biology of the cell cycle", Briefings in bioinformatics, vol. 10(4), pp. 424-434, 2004. [DOI:10.1093/bib/bbp005] [PMID]
16. [14] J. Hofbauer, K. Sigmund, "Evolutionary game dynamics", Bulletin of the American Mathematical Society, vol. 40(4), pp.479-519, 2003. [DOI:10.1090/S0273-0979-03-00988-1]
17. [15] R. P. Araujo, D. S. McElwain, "A history of the study of solid tumour growth: the contribution of mathematical modelling", Bulletin of mathematical biology, vol. 66(5), pp. 1039, 2004. [DOI:10.1016/j.bulm.2003.11.002] [PMID]
18. [16] A. Csikász-Nagy, M. Cavaliere, S. Sedwards, "Combining game theory and graph theory to model interactions between cells in the tumor microenvironment", In New Challenges for Cancer Systems Biomedicine Springer Milan, pp. 3-18, 2012. [DOI:10.1007/978-88-470-2571-4_1]
19. [17] S.Aranganayagi, K. Thangavel, "Clustering categorical data using Silhouette coefficient as a relocating measure", In Conference on Computational Intelligence and Multimedia Applications, 2007, International Conference on vol. 2, pp. 13-17, 2007. [DOI:10.1109/ICCIMA.2007.328]
20. [18] T.Nakano, T. Suda, M. Moore, R. Egashira, A. Enomoto, K. Arima, "Molecular communication for nanomachines using intercellular calcium signaling. In Nanotechnology," 5th IEEE Conference on, pp. 478-481, 2005.
21. [19] T. Nakano, M. Moore, A. Enomoto, T. Suda, T.Koujin, T. Haraguchi, Y. Hiraoka, A cell-based molecular communication network, In Proceedings of the 1st international conference on Bio inspired models of network, information and computing systems , pp. 23, 2006. [DOI:10.1145/1315843.1315871]
22. [20] H. Jiang, J. Liu, Z. Zhao, Graph mining based knowledge discovery in designing decision-making context models, In Systems and Informatics (ICSAI), 2014 2nd International Conference on , pp. 948-953, 2014. [DOI:10.1109/ICSAI.2014.7009422] [PMCID]
23. [21] H. Shao, Y. He, K. C. Li, X. Zhou, "A system mathematical model of a cell-cell communication network in amyotrophic lateral sclerosis", Molecular BioSystems, vol. 9(3), pp.398-406. 2013. [DOI:10.1039/c2mb25370d] [PMID] [PMCID]
24. [22] R.Gao, H. Xu, P. Hu, W. C. Lau, "Accelerating graph mining algorithms via uniform random edge sampling", In Communications (ICC), 2016 IEEE International Conference on, pp. 1-6, 2016. [DOI:10.1109/ICC.2016.7511156]
25. [23] T. Alqurashi, W. Wang, "Object-neighbourhood clustering ensemble method", In International Conference on Intelligent Data Engineering and Automated Learning, pp. 142-149, 2014. [DOI:10.1007/978-3-319-10840-7_18]
26. [24] W. Cui, Y. Xiao, H. Wang, W. Wang, "Local search of communities in large graphs", In Proceedings of the 2014 ACM SIGMOD international conference on Management of data , 2014, pp. 991-1002. [DOI:10.1145/2588555.2612179]
27. [25] J. A. Ramilowski, T. Goldberg, J. Harshbarger, E. Kloppman, M. Lizio, V. P. Satagopam, A. Forrest, "A draft network of ligand-receptor-mediated multicellular signalling in human", Nature communications, 2015. [DOI:10.1038/ncomms8866] [PMID] [PMCID]
28. [26] L. Cantini, E. Medico, S. Fortunato, M. Caselle, "Detection of gene communities in multi-networks reveals cancer drivers", Scientific reports, vol. 5, srep17386, 2015. [DOI:10.1038/srep17386] [PMID] [PMCID]
29. [27] G. A. Pavlopoulos, M. Secrier, C. Moschopoulos, N. Soldatos, S. Kossida, J. Aerts, P. G. Bagos, "Using graph theory to analyze biological networks", BioData mining, vol. 4(1), no.10, 2010. [DOI:10.1186/1756-0381-4-10] [PMID] [PMCID]
30. [28] A. L. Fred, A. K. Jain, "Combining multiple clusterings using evidence accumulation", IEEE transactions on pattern analysis and machine intelligence, vol. 27(6), pp. 835-850, 2005. [DOI:10.1109/TPAMI.2005.113] [PMID]
31. [29] A. Strehl, J. Ghosh, "Relationship-based clustering and visualization for high-dimensional data mining", INFORMS Journal on Computing, vol. 15(2), pp. 208-230, 2003. [DOI:10.1287/ijoc.15.2.208.14448]
32. [30] G. Karypis, V. Kumar, A hypergraph partitioning package, 1998. [DOI:10.1145/309847.309954]
33. [31] N. Iam-On, T. Boongoen, S. Garrett, C. Price, "A link-based approach to the cluster ensemble problem", IEEE transactions on pattern analysis and machine intelligence, vol.33(12), pp. 2396-2409, 2011. [DOI:10.1109/TPAMI.2011.84] [PMID]
34. [32] S. Mimaroglu, E. Aksehirli, "Diclens: Divisive clustering ensemble with automatic cluster number", IEEE/ACM transactions on computational biology and bioinformatics, vol. 9(2), pp. 408-420, 2012. [DOI:10.1109/TCBB.2011.129] [PMID]
35. [33] M. A. Dillies, A. Rau, J. Aubert, C. Hennequet-Antier, M. Jeanmougin, N. Servant, G. Guernec, "A comprehensive evaluation of normalization methods for Illumina high-throughput RNA sequencing data analysis", Briefings in bioinformatics, vol. 14(6), pp. 671-683. 2013. [DOI:10.1093/bib/bbs046] [PMID]
36. [34] R. Reddy, "A comparison of methods: normalizing high-throughput RNA sequencing data", bioRxiv, 026062, 2015. [DOI:10.1101/026062]
37. [35] S. Hawinkel, "Evaluation of normalization and analysis methods for microbiome data", 2015.
38. [36] S. Noguchi, T. Arakawa, S. Fukuda, M. Furuno, A. Hasegawa, F. Hori, T. Kawashima, "FANTOM5 CAGE profiles of human and mouse samples", Scientific data, vol. 4, pp. 112-170, 2017.
39. [37] L. C. Gandolfo, T. P. Speed, RLE Plots: Visualising Unwanted Variation in High Dimensional Data. arXiv preprint arXiv:1704.03590, 2017. [DOI:10.1371/journal.pone.0191629] [PMID] [PMCID]
40. [38] M. Arab, M. Hasheminezhad, Limitations of quality metrics for community detection and evaluation, In Web Research (ICWR), 2017 3th International Conference, pp. 7-14, 2017. [DOI:10.1109/ICWR.2017.7959298]
41. [39] Y. Qiao, H. Wang, D. Wang, "Parallelizing and optimizing overlapping community detection with speaker-listener Label Propagation Algorithm on multi-core architecture", In Cloud Computing and Big Data Analysis (ICCCBDA), 2017 IEEE 2nd International Conference, 2017 , pp. 439-443.
42. [40] S. Mohammadi, J. Davila-Velderrain, M. Kellis, A. Grama, DECODE-ing sparsity patterns in single-cell RNA-seq. bioRxiv, 241646, 2018 [DOI:10.1101/241646]
43. [41] D. J. D. S.Price, Networks of scientific papers. Science, pp. 510-515, 1965. [DOI:10.1126/science.149.3683.510] [PMID]
44. [42] A. Papadimitriou, P. Symeonidis, Y. Manolopoulos, "Fast and accurate link prediction in social networking systems", Journal of Systems and Software, vol. 85(9), pp. 2119-2132, 2012. [DOI:10.1016/j.jss.2012.04.019]
45. [43] L. Katz, "A new status index derived from sociometric analysis", Psychometrika, vol. 18 (1), pp. 39-43, 1953. [DOI:10.1007/BF02289026]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
