طبقه بندی سرطان ریه براساس خصوصیات مهم ساختاری و فیزیکوشیمیایی پروتئین های درگیر در انواع تومورهای ریوی با استفاده از مدل های داده کاوی
محل انتشار: دوازدهمین کنگره ژنتیک ایران
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,908
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CIGS12_0865
تاریخ نمایه سازی: 5 بهمن 1392
چکیده مقاله:
تشخیص انواع تومورهای ریوی (تومورهای با یاخته های کوچک ((SCLC و تومورهای با یاخته های بزرگ (NSCLC) در روش درمان این بیماری بسیار مهم است. بعلاوه خصوصیات ساختاری و فیزیکوشیمیایی برگرفته از توالی برای پی گویی کلاس های ساختاری و عملکردی و همچنین طبقه بندی پروتئین ها بسیار مفید می باشند. بنابراین در این مطلعه، طبقه بندی انواع تومورهای ریوی بر اساس 1497 خصوصیت ساختاری و فیزیکوشیمیایی برگرفته از توالی پروتئین های مربوطه (براساس ژن های تعریف شده با آنالیز میکرواری) از طریق ترکیبی از الگوریتم های وزن دهی و دسته بندی مورد بحث قرار گرفته است. براساس 80 درصد مدل های وزن دهی، خصوصیات خودهمبستگی، ترکیب دی پپتیدها و توزیع هیدروفوبیسیته به عنوان مهمترین خصوصیات در طبقه بندی کلاس های توموری NSCLC. SCLC و COMMON انتخاب شدند. نتایج یکسانی توسط الگوریتم های ایجاد درخت به دست آمد، توزیع هیدروفوبیسیته در پروتئین های مشترک بین دو کلاس توموری، بالا و توزیع بار در این پروتئین ها بسیار پائین بود که نشاندهنده ی آبگریزی پروتئین های مشترک بین دو نوع تومور می باشد. همچنین ترکیب دی پپتیدهای قطبی در پروتئین های SCLC بیش از پروتئین های NSCLC و COMMON بود. برخی مدل های کلاسترینگ به طور تقریبی قادر به دسته بندی پروتئین های SCLC و NSCLC بودند. بدین وسیله برای اولین بار کاربرد ابزارهای داده کاوی برای طبقه بندی سه کلاس توموری ریه با توجه به اهمیت خصوصیات ترکیب دی پپتیدها، خودهمبستگی و توصیفگر توزیع گزارش شده است.
نویسندگان
فائزه حسین زاده
آزمایشگاه بیوفیزیک و زیست شناسی مولکولی، مرکز تحقیقات بیوشیمی و فیوفیزیک، دانشگاه تهران، تهران، ایران
منصور ابراهیمی
گروه آموزشی زیست شناسی دانشکده علوم پایه و گروه تحقیقاتی بیوانفورماتیک، پژوهشکده سبز، دانشگاه قم، قم، ایران
نرگس شم آبادی
عضو باشگاه پژوهشگران جوان دانشگاه آزاد اسلامی واحد قم، قم، ایران
بهرام گلیایی
گروه آموزشی فیزیک پزشکی، دانشکده علوم پزشکی دانشگاه ایران، تهران، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :