رویکرد ترکیبی آنالیز اجزاء اصلی و آنتروپی برای انتخاب ژن های حاوی اطلاعات از داده های میکروآرایه

امروزه سرطان ها یکی از مهم ترین عوامل مرگ و میر انسان ها محسوب می شوند که فناوری میکرو آرایه نقش مهمی در تشخیص، درمان و طبقه بندی انواع بافت های سرطانی دارد. وجود ژن های زیاد و تعداد اندک نمونه ها باعث ایجاد مشکلاتی در طراحی طبقه بندی کننده ها شده است. بنابر این کاهش ابعاد و انتخاب تعداد کمی از ژن ها با دقت پیش بینی بالا برای طبقه بندی سرطان از چالش های مهم تحلیل دادهای میکرو آرایه است. در این مقاله توسط ترکیبی از آنالیز اجزاء اصلی PCA و آنتروپی اطلاعات، زیر مجموعه ای از ژن های دارای اطلاعات موثر و بدون افزونه انتخاب می شوند. عملکرد روش پیشنهادی بر روی مجموعه دادگان سرطان کولون توسط طبقه بند ماشین بردار پشتیبان مورد بررسی قرار گرفته و با سایر روش های انتخاب ژن از جمله نسبت سیگنال به نویز، معیار فیشر و t-value مقایسه شده است. نتایج نشان می دهد که علاوه بر بالا بودن میزان دقت طبقه بند، تعداد ژن های انتخابی نیز از سایر روش ها کم تر است.

کلیدواژه ها:

انتخاب ژن ، آنالیز اجزائ اصلی ، آنتروپی ، طبقه بندی