پیش بینی ژن های بیماری با استفاده از دسته بند تککلاسی ماشین بردار پشتیبان
نویسندگان
1 دانشگاه تربیت مدرس
2 دانشگاه تربیت مدرس
doi
چکیده
چکیده: در بحث شناسایی و دستهبندی ژنهای بیماری، متخصصان تنها به دستهبندی یک کلاس خاص، یعنی ژنهای بیماری علاقمند هستند و توجهی به کلاسهای دیگر، یعنی ژنهای غیربیماری ندارند. در مباحث یادگیری ماشین، این کاربرد تحت عنوان دستهبندی تککلاسی مطرح میشود. روشهای موجود مبتنی بر یادگیری معمولا ژنهای شناخته شده بیماری را به عنوان مجموعه آموزشی مثبت، و ژنهای ناشناخته را به عنوان مجموعه آموزشی منفی برای ایجاد یک دستهبند دودویی استفاده میکنند. از آنجاییکه در پایگاه دادههای موجود در علم ژنتیک مجموعه ژن غیربیماری وجود ندارد، ما در این مقاله با استفاده از روش دستهبند تککلاسی ماشین بردار پشتیبان و در نظر گرفتن تنها ژنهای بیماریزا اقدام به شناسایی دادههای بدون برچسب میکنیم. روش پیشنهادی نسبت به روشهای موجود از لحاظ معیارهای دقت، بازخوانی و معیارF1 نتایج بهتری را ارایه میدهد.
