سابقه و هدف: فناوری ریزآرایه برای بررسی همزمان بیان هزاران ژن در بازه وسیعی از ژنومیک، نظیر شناسایی ژنها، اکتشاف داروها و تشخیص های کلینیکی مورد استفاده قرار گرفته است. آزمایشهایی که بر اساس فناوری ریزآرایه انجام می شوند حجم بسیار زیادی از داده ها را فراهم می کنند که در مطالعات بیولوژیک بی نظیر بوده است. نرمال سازی، خوشه بندی، طبقه بندی و ... از جمله روشهای مورد استفاده در تحلیل آماری این نوع داده هاست. هدف این مقاله بررسی نحوه به کارگیری روش خوشه بندی فازی در داده های ریزآرایه DNA است.مواد و روش ها: تحقیق به روش توصیفی انجام شده و داده های بیان ژنی سرطان خون گلوب و همکاران (1999) که بر اساس روش آرایه الیگونوکلئوتید تولید شده و از طریق اینترنت در اختیار عموم قرار دارد، با استفاده از روش آماری خوشه بندی فازی، مورد تجزیه و تحلیل قرار گرفته است. خوشه بندی داده های ریزآرایه به صورت خیلی محدود و گرایش بیشتر به سمت خوشه بندی کلاسیک در ایران صورت پذیرفته است و این مقاله شروعی در خوشه بندی فازی داده های ریزآرایه به شمار می آید. مجموعه داده ها شامل 20 بیمار مبتلا به سرطان خون لنفوئیدی حاد (ALL)  و 14 بیمار مبتلا به سرطان خون میلوئیدی حاد(AML)  است. کارایی روش خوشه بندی فازی با توجه به گروه بندی واقعی نمونه ها(ALL و AML) مورد ارزیابی قرار گرفت. نرم افزار R برای تحلیل داده ها استفاده شد.یافته ها: ویژگی روش خوشه بندی فازی در تشخیص افراد AML، %90 و حساسیت آن %93 و صحت آن 91% به دست آمد که نشان دهنده عملکرد خوب این روش است. نمونه سی و یکم که بر اساس یافته های بالینی در گروه AML  قرار دارد در گروه ALL قرار گرفت، همچنین نمونه های دوم و هفدهم که بر اساس یافته های بالینی در گروه ALL قرار دارد طبق نتایج در گروه AML قرار گرفتند که از نظر بالینی می توانند قابل توجه باشند.نتیجه گیری: خوشه بندی فازی اطلاعات نسبتا قابل قبولی درباره ساختار داده ها فراهم می کند که با توجه به انطباق نتایج این روش با گروه بندی واقعی داده ها، از این روش آماری می توان در مواردی که اطلاع دقیقی درباره گروه بندی واقعی داده ها در دست نیست، استفاده کرد. به علاوه با بررسی نتایج خوشه بندی ممکن است زیر گروه هایی از نمونه ها را به نحوی متمایز کرد که برای انطباق آن با یافته های بالینی، پژوهشهای آزمایشگاهی یا بالینی جدیدی لازم باشد.

سابقه و هدف: به کارگیری فناوری ریزآرایه DNA که امکان بررسی بیان هزاران ژن را به طور هم زمان در حداقل زمان ممکن می سازد، در سال های اخیر موجب تولید حجم انبوهی از داده های بیان ژنی شده است. تحلیل آماری این داده ها شامل مواردی چون نرمال سازی، خوشه بندی، طبقه بندی است. هدف این مقاله بررسی نحوه به کارگیری روش های آماری خوشه بندی در داده های ریز آرایه DNA است. روش بررسی: در این تحقیق داده های سرطان پستان وانت ور و همکاران (2002) مربوط به جهش های ژنتیکی BRCA1 و BRCA2، تحلیل شده است. مجموعه داده ها شامل 18بیمار با جهش BRCA1 و 2 بیمار با جهش BRCA2 است. داده های بیان ژنی سرطان پستان با استفاده از روش های آماری سلسله مراتبی و غیر سلسله مراتبی خوشه بندی گردید. در هر دو روش خوشه بندی، داده ها به دو خوشه تقسیم شدند. روش های مختلف خوشه بندی با توجه به گروه بندی واقعی (BRCA1، BRCA2) مقایسه شدند. نرم افزار R برای تحلیل داده ها استفاده شد.یافته ها: ویژگی روش خوشه بندی سلسله مراتبی در تشخیص ژن BRCA1، 94 درصد و حساسیت آن 100 درصد بدست آمد. ویژگی روش خوشه بندی غیر سلسله مراتبی در تشخیص ژن BRCA1، 89 درصد و حساسیت آن 100 درصد بدست آمد که نشان دهنده عملکرد مناسب دو روش خوشه بندی است. روش خوشه بندی سلسله مراتبی بر اساس ادغام بر حسب میانگین مناسب ترین روش در بین همه روش های بررسی شده است. نمونه شماره 95 طبق نتایج همگی روش های خوشه بندی در گروه BRCA2 قرار گرفت در صورتی که بر اساس یافته های بالینی در گروهBRCA1 قرار دارد.نتیجه گیری: با توجه به انطباق قابل توجه نتایج خوشه بندی با گروه بندی واقعی داده ها، می توان از این روش های آماری در مواردی که اطلاع دقیقی از گروه بندی واقعی داده ها در دست نیست، استفاده کرد. به علاوه نتایج خوشه بندی ممکن است زیر گروه هایی از نمونه ها را به نحوی متمایز کند که برای انطباق آن با یافته های بالینی، پژوهش های آزمایشگاهی یا بالینی جدیدی لازم باشد.

از آن جایی که دسته بندی دقیق و مقاوم (Robust) تومورها برای درمان موفق انواع سرطان ها امری ضروری است. لذا در تشخیص موثر سرطان ها و دیگر بیماری های زیستی می توان از دسته بندی داده های ریزآرایه های دی.ان.ای (DNA MICROARRAY data) بهره جست. این مقاله یک مدل جدید یادگیری برای دسته بندی دقیق و مقاوم داده های بیان ژنی (Gene expression data) ارایه می دهد که مبتنی بر اصول یادگیری گروهی (Ensemble learning) بوده و با استفاده از مفهوم تعمیم پشته ای (Stacked generalization) دسته بندی دقیق و مقاوم نمونه های مجموعه داده های بیان ژن را میسر می سازد. ایده اصلی ارایه شده در این مقاله، ایجاد دسته بندی های پایه همگون در یادگیری گروهی با استفاده از زیرمجموعه های ژنی متفاوت برای پیش گویی بر چسب هر نمونه آزمون می باشد. در این مقاله ما از مدل تعمیم پشته ای به منظور ترکیب این دسته بندهای پایه استفاده نمودیم تا از این طریق مدل ما قابلیت یادگیری رفتار دسته بندهای پایه به ازای هر نمونه را دارا باشد. کارایی و دقت دسته بندی مدل ارایه شده در این مقاله بر روی چهار مجموعه داده ریزآرا به مرتبط با تومورها و سرطان های گوناگون که به طور رایگان قابل دسترسی می باشند، مورد ارزیابی قرار گرفته و با مدل های مشابه مقایسه گردیده است. نتایج به دست آمده حاکی از آن است که نه تنها روش پیشنهادی توانسته دقت دسته بندی بالاتری نسبت به روش های یادگیری ماشین مرسوم و سنتی ارایه نماید، بلکه این دسته بند نسبت به روش های شناخته شده یادگیری گروهی نیز دقیق تر و مقاوم تر بوده و کارایی آن با روش های کارآمد و برجسته ای که جدیدا ارایه گردیده اند، کاملا قابل مقایسه می باشد.

مقدمه و هدف: در سال های اخیر، فناوری ریزآرایه DNA نقش اساسی در تحقیقات ژنومی داشته است. با استفاده از این فناوری که امکان آنالیز هم زمان سطوح بیان هزاران ژن را در شرایط مختلف فراهم آورده است، به حجم انبوهی از داده ها دست می یابیم. روش های کلاسیک خوشه بندی نظیر روش های سلسله مراتبی و غیرسلسله مراتبی، روش هایی مناسب برای تحلیل این گونه داده ها هستند اما محدودیت هایی نیز دارند. در این روش ها فرض بر آن است که یک ژن یا یک شرایط آزمایشی را تنها می توان به یک خوشه منتسب کرد و یک ژن، متعلق به گروهی از ژن هاست که با هم، تحت همه شرایط آزمایشی تنظیم می شوند. بنابراین به منظور رفع این کاستی ها از روش های خوشه بندی دوبعدی استفاده می شود. هدف از این پژوهش، بررسی کارآیی یک روش خوشه بندی دو بعدی در تحلیل داده های بیان ژنی مخمر است. مواد و روش ها: در این پژوهش، داده های بیان ژنی مخمر Saccharomyces cerevisiae گسچ و همکاران (2000) با استفاده از روش خوشه بندی دوبعدی (LAS Large Average Submatrices) تحلیل شده اند. مجموعه داده ها، 173 شرایط آزمایشی مختلف و مجموعه ای از 2993 ژن را در بر گرفته و برای تحلیل داده ها از نرم افزارهای LAS، JMP و GOAL استفاده شده است. نتایج: نتایج نشان داد که روش LAS قادر است خوشه های دوبعدی مناسبی از دیدگاه آماری و زیست شناسی تولید کند.نتیجه گیری: این مطالعه نشان می دهد که می توان با استفاده از روش LAS، زیرمجموعه هایی از ژن ها را با الگوهای بیان مشابه در زیرمجموعه ای از شرایط آزمایشی شناسایی کرد که از نظر زیست شناسی معنی دارند.

متیلاسیون DNA نوعی تغییر فرا ژنتیکی است که به طور مستقیم بر روی DNA تاثیر می گذارد. در پستانداران متیلاسیون DNA برای تکامل جنینی و تمایز سلول بنیادی ضروری است و این پدیده اساساً درون جزایر CpGاتفاق می افتد. در این پژوهش برای بررسی نیم رخ متیلاسیون DNA ژنوم گاو، از دو روش استفاده شد. در روش اول نیم رخ متیلاسیون DNA ژن های با بیان متفاوت حاصل از فراتحلیل داده های ریزآرایه DNA بیماری ورم پستان گاو شیری به دست آمد. برای انجام فراتحلیل داده های ریزآرایه DNA در این روش، از بسته metaDE در محیط R استفاده شد. سپس جهت پیش بینی جزایر CpG در ژن های با بیان متفاوت از 5 الگوریتم شامل TJ, GF, CpG cluster, HMM, GHMM استفاده شد. در روش دوم نیم رخ متیلاسیون DNA با استفاده از پویش کل ژنوم گاو انجام گرفت. همچنین جهت پیش بینی جزایر CpG متیله شده در کل ژنوم، ابتدا توسط الگوریتم HMM جزایر CpG در ژنوم گاو و برای هر کروموزوم برآورد شدند و سپس هم پوشانی CpG باHypo/Hyper-Methylation توسط پایگاه برخط Galaxy محاسبه شد. نتایج روش اول نشان داد که از میان 32 ژن با بیان متفاوت، 14 ژن دارای جزایر CpG متیله شده بودند. این ژن ها، شامل ژن هایLTF, APP, CCL5, CD40, CSNK1D, CX3CL1, DAPP1, NFKBIZ, S100A9, ISG15, MAP3K8, MX1, RDAD2, ZC3H12A بودند. نتایج روش دوم تعداد 90668Hypo/Hyper-Methylation را در ژنوم گاو برآورد نمود که تعداد 9942 (%10. 96) جزیره CpG باHypo/Hyper-Methylation دارای هم پوشانی بودند و به عنوان CpG متیله شده در نظر گرفته شدند. مقایسات ژنومی بین گونه ای متیلاسیون DNA نشان داد که نیم رخ کلی متیلاسیون DNA در اکثر گونه های مورد بررسی تقریبا مشابه هم بودند و به نظر می رسد که نیم رخ کلی متیلاسیون DNA بین گونه های مختلف به صورت محافظت شده باشد. حاصل این پژوهش نشان داد کنکاش متیلاسیون DNA در بیماری هایی که میزان وراثت پذیری پایینی دارند و بیشتر تحت تاثیر فرایندهای فراژنتیک هستند، ضروری به نظر می رسد.

وجود داده های گمشده در داده های ریزآرایه، سبب کاهش دقت رسم شبکه های تنظیمی ژن، ایجاد اشتباه در خوشه بندی و تقسیم بندی تخصصی ژن ها و سایر تحلیل ها می شود. بنابراین تخمین داده های گمشده مرحله مهمی در پیش پردازش داده های ریزآرایه، محسوب می شود. عملکرد الگوریتم های تخمین در مجموعه داده های مختلف و با درصدهای متفاوت گمشدگی، متغیر است. همواره انتخاب مناسب ترین الگوریتم به منظور دستیابی به بیشترین دقت در محاسبات داده های گمشده از اهمیت خاصی برخوردار است. در این مطالعه از سه مجموعه داده آزمایش های ریزآرایه استفاده شد. پس از مشخص کردن ابعاد ماتریس بیانی و نرمال کردن داده ها، درصدهای مختلفی از گمشدگی، بر مجموعه داده های مورد مطالعه اعمال شد. سپس نتایج حاصل با استفاده از 11 الگوریتم بر پایه یادگیری ماشین، به منظور بررسی تخمین داده های گمشده استفاده و میزان دقت هر یک از الگوریتم های، براساس نتایج حاصل مورد مقایسه قرار گرفت. بر اساس نتایج، دقت الگوریتم های مختلف به مجموعه داده به کار رفته، درصد گمشدگی و توزیع گمشدگی داده ها وابسته است. همچنین تعداد نمونه های آزمایشی موجود در مجموعه داده ها نیز می تواند بر دقت الگوریتم های تخمین داده های گمشده موثر باشد. نتایج بیانگر کاهش دقت تمامی الگوریتم ها با افزایش درصد داده های گمشده بود، اما الگوریتم های Least Square Adaptive و Local least square دقت بیشتری در مقابل افزایش درصد گمشدگی داده ها نسبت به سایر الگوریتم ها نشان دادند.