جانهی مقادیر گمشده با استفاده از روش رگرسیون انقباضی در داده ریزآرایه

تکنیک ریزآرایه، ابزاری مفید و مهم در تحقیقات پزشکی است. با گذشت دو ده ه از تولید این تکنولوژی، بیش از %90 ژنهای موجود در داده ریزآرایه، شامل مقدار گمشده هستند. برآورد نادرست مقادیر گمشده، موجب کاهشتوان الگوریت های تحلیل، در داده ریزآرایه می شود. روش های مختلفی، برای برآورد داده های گمشده وجود دارند. در میان آنها، روش های رگرسیونی، از جمله روش جانهی حداقل مربعات مکانی LLSimpute ، نسبته به دیگر روش ها عملکرد بهتری دارند. برای بهبود بیشتر عملکرد LLSimpute ، روش جانهی حداقل مربعات مکانی انقباضی hrinkage LLSimpute مطرح شد. Shrinkage LLSimpute ، همبستگی بین داده های ریزآرایه را در نظر گرفته وژن های مشابه با ژن دارای مقدار گمشده را، از طریق ضریب همبستگی پیرسون انتخاب می کند. این روش، به منظور تعدیل ضرایب مدل رگرسیون، اصل حداقل مربعات را با برآورد انقباضی ترکیب کرده، سپس ضرایب جدید را، برای برآورد مقادیر گمشده به کار می برد. نتایج نشان داد، Shrinkage LLSimpute ، برآورد دقیق تری، از روش LLSimpute ، بر داده ریزآرایه )هموستاز روی، لیونز و همکاران، 2000 ( بدست می دهد. برآورد مقادیر گمشده یک گام پیش آماده سازی مهم، در تحلیل داده های ریزآرایه است، زیرا بسیاری از روشهای تحلیلی مانند خوشه بندی ژنی و شبکه ژنی، مجموعه داده کامل لازم دارند. بنابراین یافتن روشی دقیق و کارا، برای برآورد داده های گمشده ضروری است. از آنجا که shrinkage LLSimpute ، برآوردی دقیق برای مقادیر گمشده بدست می دهد، جایگزین مناسبی برای LLSimpute است

کلیدواژه ها:

جانهی ، گمشده ، ریزآرایه ، رگرسیون ، برآورد انقباضی