امیرحسین اسدی - دکتری ریاضیات، دانشگاه ویسکانسین - مدیسون، آمریکا
حسام الدین ترابی دشتی - دانشجوی مقطع کارشناسی ارشد علوم کامپیوتر، دانشگاه تهران
نسیم جمالی - مهندسی نرمافزار، مرکز عالی بیوماتمتیک، دانشگاه تهران

آنالیز رفتار سلول های موجودات زنده به منظور ادراک فرآیندهای حیاتی سلول یکی از مهم ترین مسائل مطرح در زمینه تحقیقاتی بیوانفورماتیک به شمار میرود . از آنجا که رفتارهای گوناگون سلول از طریق تغییر مقدار کپیبرداری از ژن هایش - که به آن بیان ژن میگویی صورت می پذیرد، آنالیز رفتار سلول از طریق بررسی بیان ژن های سلول صورت میگیرد در مورد تغییر مقدار بیان ژن، نکته حائز اهمیت، تأثیر تغییر بیان یک ژن بر مقدار بیان سایر ژن هاست . تحقیقات زیست - شناسان در این زمینه، نشان داده است که این تأثیر به صورت گروهی صورت میپذیرد . این بدان معنی است که تغییر بیان دسته ای از ژن ها باعث تغییر بیان ژن دسته یا دستههای دیگری از ژن ها میگردد . این تأثیرات به صورت سلسله مراتبی به سایر دسته ژن ها ] ٤ ۵۱ [ نیز منتقل میگردد . به عنوان مثال افزایش ( کاهش ) مقدار بیان ژن های دسته A باعث افزایش ( کاهش ) مقدار بیان ژن های دسته B میگردد؛ که این تغییر، خود بر مقدار بیان ژن های دسته C میتواند تأثیر گذار باشد و این سلسله تأثیرگذاری ها ادامه پیدا میکند . این مثال بیانگر درجه ی اهمیت تشخیص گروه ژن های تأثیر گذار بر یکدیگر در آنالیز رفتار سلول میباشد . گروه بندی ٥ ژن هایی که تأثیر یکسان بر سایر ژن ها دارند یا به عبارت دیگر هم رفتاراند، از طریق بررسی مکاشفهای میزان تغییر بیان هر یک از ژن ها صورت میگیرد . از آنجا که تأثیر بیان ژن ها بر یکدیگر نیازمند گذر زمان است، بررسی تغییر بیان ژن ها بر یکدیگر، نیازمند آنالیز یک سری زمانی از مقدار بیان ژن ها می باشد . متد محاسباتی ارائه شده در این مقاله بر پایه Support Vector Machines به گروه بندی ژن های هم رفتار میپردازد . این متد بر روی پایگاه دادهای از مقدار بیان ۰۰۰۷۲ ژن در۳ حالت مختلف سلول که از ۱۱ مورد اندازه گیری بیان ژن ها به دست - آمده، آزمایش گردید . بیان ژن ها از سلول های مبتلا به بیماری پارکینسون جمع آوری شده است و سه حالت فوق مربوط به سلول سالم، سلول بیماری که داروی پرگولاید ٦ روی آن آزمایش گردیده و حالت آخر مربوط به زمانی است که دارو های پرگولاید و کینسترین ٧ بر روی بدن بیمار آزمایش گردیده اند . نتایج بدست آمده از این تحقیق نشان میدهد که الگوریتم طراحی شده، ۸۹ % گروهبندی زیست شناسان ‐ که بر پایه اطلاعات آزمایشگاهی میباشد - را به درستی تشخیص داده و همچنین گروه بندیهای جدید و سلسله مراتبهای جدیدی را نیز استخراج نموده است

گروه بندی، بیان ژن ها، مسیر تأثیرگذاری ژن ها ، Support Vector Machine