مجله دانشگاه علوم پزشکی قم

زمینه و هدف: سرطان یکی از دلایل عمده مرگ و میر در دنیای امروز است و به‌عنوان یکی از مهم‌‎‎ترین مشکلات سلامت جوامع محسوب می‌شو‎د. اکثر روش‌های پیشنهادی جهت دسته‌بندی سرطان ‎‎به کمک داده‌های بیان ژن مانند یک جعبه سیاه عمل کرده‏ و قابلیت تفسیرپذیری زیستی ندارند. این مطالعه با هدف معرفی روشی بهینه با قابلیت تفسیر داده‌های بیان ژن انجام شد. روش بررسی: در این مطالعه، روش ترکیبی پالایشی - پوششی برای انتخاب ویژگی زیرمجموعه‌ای از ژن‌های مؤثر در سرطان مورد استفاده قرار گرفت که این عمل باعث کاهش چشمگیر تعداد نمونه‌ها در مقایسه با تعداد ژن‌ها شد. همچنین در این مطالعه با ترکیب روش‌های خوشه‌بندی فازی، مجموعه‌های تقریبی و اعتبارسنجی K- دسته‌ای؛ به گسسته‌سازی داده‌ها، تولید و کاهش قوانین و ارزیابی نتایج پرداخته شد. براین اساس، روش جدیدی با قابلیت           تفسیرپذیری زیستی و استخراج معانی از داده‌های بیان ژن‏ معرفی گردید که این روش                Fuzzy Rough set ‎Classification نامیده شد. یافته‌ها: با استفاده از روش پالایشی – پوششی انتخاب ویژگی در ریزآرایه لمفوما، از میان 4029 ژن‏، 6 ژن انتخاب شد. در روش دسته‌بندی تقریبی فازی جهت تولید یک مدل دسته‌بند با قابلیت تفسیر داده‌های بیان ژن، دو قانون تولید شده است. نتیجه‌گیری: در این روش با استفاده از توابع رتبه‌بندی، مهم‌ترین قوانین فازی انتخاب شد که علاوه بر قابلیت تولید یک مدل دسته‌بند کارآمد، قابلیت تفسیر داده‌های بیان ژن را ممکن      می‌سازد. یکی دیگر از ویژگی‌های برجسته این روش، حل موفقیت‌آمیز مسئله عدم تناسب میان تعداد نمونه‌ها و ژن‌ها در ریزآرایه‌ها به روش پیشنهادی‎ پالایشی - پوششی انتخاب ویژگی بوده است.