حمید صنعت نما - استادیار بخش مهندسی کامپیوتر دانشگاه تحصیلات تکمیلی صنعتی کرمان
علی اسماعیلیزاده کشکوئیه - دانشیار بخش علوم دامی دانشگاه شهید باهنر کرمان
فریده هلاکو - دانشجوی کارشناسی ارشد مهندسی ITدانشگاه تحصیلات تکمیلی صنعتی کرمان
مهدی افتخاری - استادیار بخش مهندسی کامپیوتر دانشگاه شهید باهنر کرمان

در طول دههی گذشته، استفاده از روشهای انتخاب ویژگی در بیوانفورماتیک به یک نیاز اساسی برای ساخت مدل تبدیل شده است. این امر به خاطر بالا بودن ابعاد دادهها در علوم مختلف بیوانفورماتیک، مثل انتخاب SNP. ها، میباشدSNPهااطلاعات مفیدی را جهت تشخیص ژنهای مرتبط با بیماریهای دارای مکانیزم توارثی پیچیده مثل انواع سرطان، دیابت،بیماریهای عروقی و برخی انواع بیماریهای ذهنی فراهم میکنند. بنابراین، استفاده از روشهای کاهش ابعاد اجتناب ناپذیر شده است. در این مقاله، ما از یک روش ترکیبی جهت انتخابSNPهای مهم موجود در یک مجموعه از بانکهای اطلاعاتی استفاده کردهایم. در روش پیشنهادی ما، ابتدا الگوریتم انتخاب ویژگی مبتنی بر همبستگی اجرا میشود و تعداد کمتری از ویژگیهای ورودی را انتخاب میکند. سپس این ویژگیها به عنوان ورودی مرحلهی دوم، یعنی شبکهی عصبی استفاده می شوند. ویژگیهای انتخاب شدهی نهایی، در واقع مهمترین SNPهای موجود در بانک اطلاعاتی میباشند. نتایج حاصله نشان دهندهی دقت قابل قبول و زمان محاسباتی مناسب الگوریتم پیشنهادی در تشخیص SNPهای مهم میباشد.

انتخاب ویژگی، شبکهی عصبی، معیار همبستگی