پیش بینی ارتباط میان RNA حلقوی و بیماری با ترکیب روش-های روش شبکه کانولوشن گراف و الگوریتم گرگ خاکستری

نویسندگان

1 دانشکده هوش مصنوعی و فناوریهای اجتماعی و پیشرفته، واحد اصفهان )خوراسگان(، دانشگاه آزاد اسالمی، اصفهان، ایران

2 دانشکده هوش مصنوعی و فناوریهای اجتماعی و پیشرفته، واحد اصفهان )خوراسگان(، دانشگاه آزاد اسالمی، اصفهان، ایران

3 دانشکده هوش مصنوعی و فناوریهای اجتماعی و پیشرفته، واحد اصفهان )خوراسگان(، دانشگاه آزاد اسالمی، اصفهان، ایران

doi
چکیده

تحقیقات گسترده نشان دهنده وجود گسترده RNA حلقوی در بدن انسان­ها و به عنوان نشانگر در بسیاری از بیماری ها می­باشد. اگرچه روش های یادگیری ماشین و یادگیری عمیق زیادی برای پیش بینی ارتباط میان RNA حلقوی و بیماری به کار گرفته شده است اما دارای چالش هایی مانند عدم درنظر گرفتن ارتباطات مرتبط با پیش بینی ارتباط RNA حلقوی و بیماری، عدم توانایی در بهینه سازی بسیاری از پارامترها و همچنین عدم استفاد همزمان از تکنیک های استخراج ویژگی به صورت خودکار و انتخاب ویژگی­ها می باشند. بنابراین، ما ابتدا به محاسبه داده‌های روابطه چندگانه بین RNA های حلقوی ، میکرو RNA ها، بیماری ها و RBP پرداخته سپس داده ها را به روش شبکه کانولوشن گراف ( GCN )  جهت استخراج خودکار ویژگی ها و همچنین جهت انتخاب ویژگی نیز به الگوریتم گرگ خاکستری ( GWO ) می دهیم و در نهایت داده های به دست آمده را به پرسپترون چند لایه ( (MLP داده تا پیش بینی را انجام دهد. نتایج نتایج اعتبارسنجی متقابل 5 fold نشان می‌دهد که روش پیشنهادی به AUC برابر با 98.9 و Acc برابر 98.96 دست یافته است . علاوه بر این، مطالعات موردی 5 نوع سرطان انجام شده که 27 مورد از 30 مورد ارتباط را تشخیص دهیم