این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مجله دانشکده پزشکی اصفهان، جلد ۳۳، شماره ۳۵۹، صفحات ۱۹۷۳-۱۹۸۵
عنوان فارسی بررسی تأثیر کاهش بعد بر فضای ویژگی‌های توپولوژیک شبکه‌ی ژن ساخته شده از میکروآرایه به منظور پیش‌گویی عود سرطان سینه
چکیده فارسی مقاله مقدمه: یکی از روش‌های متداول در طبقه‌بندی نمونه‌های سرطانی، استفاده از ویژگی‌های به دست آمده از داده‌ی بیان ژن در میکروآرایه‌های DNA می‌باشد. در این خصوص، با استفاده از ویژگی‌های توپولوژیک شبکه‌ی ژن بازسازی شده از داده‌های بیان ژن، می‌توان با بهره گرفتن از اطلاعات تعامل بین ژن‌ها، به یافته‌های مطمئن‌تری دست یافت. هدف از انجام این مطالعه، پیش‌گویی عود سرطان سینه بر اساس انتخاب ویژگی مبتنی بر ویژگی‌های توپولوژیک، متناظر با شبکه‌ی ارتباطی ژن‌ها بود. روش‌ها: هفت مجموعه داده‌ی بیان ژن میکروآرایه شامل 1271 نمونه مربوط به سرطان سینه در مطالعه‌ی حاضر مورد استفاده قرار گرفت. ابتدا شبکه‌ی ارتباطی ژن‌ها از داده‌های آموزش با اعمال روش انتخاب ویژگی Fisher (‎Fisher discriminant analysis) بر داده‌های ویژگی توپولوژیک این شبکه، ساخته شد. به دلیل این‌که نمی‌توان برای یک نمونه شبکه‌ی ژن ساخت؛ این نمونه به کل داده‌های آموزشی اضافه و دوباره شبکه‌ی ژن ساخته شد. سپس، همبستگی بین بردارهای ویژگی توپولوژیک ژن‌های شاخص در دو شبکه، قبل و بعد از اضافه شدن نمونه‌ی آزمایش محاسبه گردید. در نهایت، نمونه‌ای با همبستگی بیشتر در یک کلاس نسبت به کلاس دیگر، جزء همان کلاس در نظر گرفته شد. یافته‌ها: صحت پیش‌گویی به دست آمده بر اساس ویژگی‌های توپولوژیک مربوط به شبکه‌ی بازسازی شده از داده‌های بیان ژن نسبت به انتخاب ویژگی مستقیم از این داده‌ها بالاتر بود. بیشترین صحت طبقه‌بندی بر اساس ویژگی توپولوژیک توزیع درجه‌ی تمرکز (متوسط 5/98 درصد در داده‌ی آزمایش) به دست آمد. نتیجه‌گیری: استفاده از ساختار توپولوژی شبکه‌ی ژنی، ویژگی‌های پایدارتری را نسبت به کاربرد مستقل مقدار بیان ژن به منظور پیش‌گویی و طبقه‌بندی سرطان فراهم می‌آورد.
کلیدواژه‌های فارسی مقاله سرطان سینه، بیان ژن، شبکه‌ی ژن، توپولوژی
عنوان انگلیسی Dimensionality Reduction on Topological Features of the Gene Network Constructed from Microarray Data for Prediction of Breast Cancer Recurrence
چکیده انگلیسی مقاله Background: Extracted features from gene expression profiles of DNA microarrays are traditional tools in cancer classification. In this regard, using topological properties of genes through the gene network reconstruction can provide more reliable findings. The main goal of this article is the prediction of breast cancer recurrence via using topological features of the relevance network reconstructed from gene expression profiles. Methods: We utilized seven gene expression microarray datasets, including 1271 samples from seven studies on breast cancer. In this study, the relevance gene network was reconstructed and FDA (Fisher Discriminant Analysis) method was applied for gene selection based on the characteristics of the network topology. To construct the gene network, we needed a profile of expressions for each gene and it could not be obtained from a single sample. Therefore, to classify a test sample, this sample was added to the training data and new gene networks were reconstructed according to two groups of high- and low-risk samples. The correlation coefficient between topological quantity vectors of the networks before and after adding test sample was calculated. The test sample was classified to the group that corresponded to higher correlation between new reconstructed network and the primary labeled network. Findings: The classification accuracy was calculated using 5-fold cross-validation based on both correlation threshold and k-nearest neighbor (kNN) classifier and non-linear support vector machines (SVM) classifier that were applied on the topological properties of reconstructed gene networks. The results confirmed the advantage of applying topological features to the kNN and the non-linear SVM classifiers. The highest accuracy in prediction with the kNN classifier was obtained via degree centrality property that reached 98.5% in average among various numbers of genes. Conclusion: Topological features of reconstructed gene networks from gene expression profiles provided more stable and accurate results in prediction of breast cancer recurrence.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله علیرضا مهری دهنوی | alireza mehri dehnavi
دانشیار، گروه بیوالکتریک، دانشکده ی فن آوری های نوین علوم پزشکی، دانشگاه علوم پزشکی اصفهان، اصفهان، ایران
سازمان اصلی تایید شده: دانشگاه علوم پزشکی اصفهان (Isfahan university of medical sciences)

حامد زند | hamed zand
دانشجوی کارشناسی ارشد، گروه بیوالکتریک، دانشکده ی فن آوری های نوین علوم پزشکی و کمیته ی تحقیقات دانشجویی، دانشگاه علوم پزشکی اصفهان، اصفهان، ایران
سازمان اصلی تایید شده: دانشگاه علوم پزشکی اصفهان (Isfahan university of medical sciences)

محمدرضا صحتی | mohammad reza sehhati
استادیار، گروه بیوالکتریک، دانشکده ی فن آوری های نوین علوم پزشکی، دانشگاه علوم پزشکی اصفهان، اصفهان، ایران
سازمان اصلی تایید شده: دانشگاه علوم پزشکی اصفهان (Isfahan university of medical sciences)

نشانی اینترنتی http://jims.mui.ac.ir/index.php/jims/article/view/5286
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/103/article-103-317611.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده مقاله پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات