استفاده از الگوهای مشترک موجود در هاپلوتیپ ها برای بهبود پیش بینی وضعیت بیماری دیابت نوع اول

افزایش اطلاعات در مورد ساختار و فرکانس هاپلوتیپ، باعث می شود که بتوان از مزایای اطلاعات هاپلوتیپ در مکتن یابی رابطه ای بیماری ها در مطالعات کنترل - مورد استفاده کنیم. روش های رده بندی سعی می کنند مجموعه مکان هایی در ژنوتیپ بر گزینند که به بهترین وجه فنوتیپ را پیش گویی کنند. اما ممکن است این مکان ها به صورت تصادفی انتخاب شوند. ما برای اینکه فرایند رده بندی افراد بیمار و سالم را بهبود دهیم ابتدا به وسیله یکی از روش های موجود کاوش الگوهای هاپلوتیپ مشترک که با خوشه بندی الگوها را پیدا می کند، مجموعه مکان های مهم را پیدا می کنیم سپس از روی این مکان ها مدل سازی را با استفاده از درخت های تصمیم گیری و رگرسیون (CART) با Cross-Validation با folding ده تایی انجام می دهیم. این روش روی داده های بیماری دیابت نوع اول اعمال شد. با اعمال مدل سازی بر مجموعه مکان های مهم در هاپلوتیپ های افراد جمعیت نسبت به مدل سازی بر روی تمام نشانگرها افزایش دقت مدل سازی و پیشگویی 5 درصد حاصل شد. دقت این روش با انجام آزمون جایگشت با 1000 بار تکرار و رسم نمودار ROC ارزیابی شد.

کلیدواژه ها:

بایواینفورماتیک ، رده بندی ، خوشه بندی ، داده کاوی ، مکان یابی رابطه ای ژن