بایکلاسترینگ سری‌های زمانی همبسته در داده‌های میکروآرایه

چکیده

مقدمه: با شناخته شدن توالی ژنوم‌های مختلف، گام منطقی بعدی یافتن عملکرد و تنظیم آن‌ها می‌باشد. جهت دسته‌بندی ژن‌ها در آزمایشگاه مواردی همچون توصیف رفتار ژن، عوامل کنترل‌کننده‌ی بیان ژن و تعامل پروتئین بررسی می‌شوند. انتظار می‌رود ژن‌هایی که با مکانیسم مشابهی تنظیم می‌شوند، دارای الگوی بیان یکسانی باشند.

روش‌ها: در این مقاله، یک روش خاص خوشه‌بندی به نام بایکلاسترینگ را برای داده‌های میکروآرایه به دست آمده از بیماران مبتلا به MS (Multiple sclerosis) معرفی می‌کنیم. از دیدگاه بیولوژیکی، بایکلاسترهای تنظیم‌کننده‌ی ژنی شامل ژن‌هایی است که در چندین نقطه از زمان تحت چندین شرایط رفتار مشابهی دارند. با شناسایی این بایکلاسترها، پی بردن به مکانیسم‌های تنظیمی که باعث این رفتار مشترک می‌شوند ممکن می‌شود.

یافته‌ها: ما از فرمت تغییریافته‌ی الگوریتم ISA (Iterative signature algorithm) برای استخراج پروفایل‌های هم‌بیان ژن از داده‌های میکروآرایه استفاده کردیم. روش KNN (K-nearest neighbor) در ترکیب با ISA، الگوریتمی ارائه کرد که منجر به یک روش مطلوب برای به دست آوردن مجموعه‌ی همبسته‌ای از ژن‌های همسان در داده‌های میکروآرایه شد.

نتیجه‌گیری: این الگوریتم بر روی دو نوع داده‌ی سنتز شده و داده‌ی واقعی (اطلاعات بیماران مبتلا به مولتیپل اسکلروز) اعمال شد و نشان داد که تفاوت بارزی بین بایکلاسترهای استخراج شده در مقایسه با ISA وجود دارد؛ هر چند که بهره‌وری این روش بر روی داده‌ی سنتز شده و داده‌ی مبتلایان به مولتیل اسکلروز نشان داده شد، اما برای هر نوع داده‌ی دیگری نیز قابل استفاده خواهد بود.

واژگان کلیدی: میکروآرایه، بایکلاستر، سری‌های زمانی، همبستگی