به کارگیری خوشه‌بندی دوبعدی با روش «زیرماتریس‌های با میانگین- درایه‌های بزرگ» در داده‌های بیان ژنی حاصل از ریزآرایه‌های DNA

نویسندگان

1 گروه آمار زیستی دانشکده پیراپزشکی دانشگاه علوم پزشکی شهید بهشتی

2 دانشکده پیراپزشکی دانشگاه علوم پزشکی شهید بهشتی

3 گروه علوم پایه دانشکده پیراپزشکی دانشگاه علوم پزشکی شهید بهشتی

چکیده

مقدمه و هدف: در سال‌های اخیر، فناوری ریزآرایه‌ی DNA نقش اساسی در تحقیقات ژنومی داشته‌­است. با استفاده از این فناوری که امکان آنالیز هم­زمان سطوح بیان هزاران ژن را در شرایط مختلف فراهم­آورده­است، به حجم انبوهی از داده‌ها دست­می‌یابیم. روش‌های کلاسیک خوشه‌بندی نظیر روش‌های سلسله‌مراتبی و غیرسلسله‌مراتبی، روش‌هایی مناسب برای تحلیل این­گونه داده‌ها هستند اما محدودیت‌هایی نیز دارند. در این روش‌ها فرض بر آن است که یک ژن یا یک شرایط آزمایشی را تنها می‌توان به یک خوشه منتسب­کرد و یک ژن، متعلق به گروهی از ژن‌هاست که با هم، تحت همه‌ شرایط آزمایشی تنظیم می‌شوند. بنابراین به­منظور رفع این کاستی‌ها از روش‌های خوشه‌بندی دوبعدی استفاده­می‌شود. هدف از این پژوهش، بررسی کارآیی یک روش خوشه‌بندی دو­بعدی در تحلیل داده‌های بیان ژنی مخمر است.   مواد و روش‌ها: در این پژوهش، داده‌های بیان ژنی مخمرِ Saccharomyces cerevisiae گسچ و همکاران (2000) با استفاده از روش خوشه‌بندی دوبعدی (LAS Large Average Submatrices) تحلیل­شده­اند. مجموعه‌ داده‌ها، 173 شرایط آزمایشی مختلف و مجموعه‌ای از 2993 ژن را در­بر­گرفته و برای تحلیل داده‌ها از نرم‌افزارهای LAS، JMP < /span> و  GOAL استفاده­شده­است.  نتایج: نتایج نشان­داد که روش LAS قادر است خوشه‌های دوبعدی مناسبی از دیدگاه آماری و زیست‌شناسی تولید­کند.  نتیجه‌گیری: این مطالعه نشان‌­می‌دهد که می‌توان با استفاده از روش LAS، زیرمجموعه‌هایی از ژن‌ها را با الگوهای بیان مشابه در زیرمجموعه‌ای از شرایط آزمایشی شناسایی­کرد که از نظر زیست‌شناسی معنی‌دارند.

کلیدواژه‌ها