پيش‌بيني مقاومت دارويي ويروس HIV با استفاده از ماشين‌هاي بردار پشتيبان

مقدمه: پژوهش حاضر با هدف بررسي عملكرد روش يادگيري ماشين‌هاي بردار پشتيبان براي پيش‌بيني مقاومت دارويي ويروس HIV) يا (Human immunodeficiency virus استفاده از تحليل دنباله‌ي آمينو اسيدها انجام گرفت. روش‌ها: در اين مطالعه از ماشين‌هاي بردار پشتيبان استفاده شد؛ همچنين براي آموزش و آزمايش ماشين‌هاي بردار پشتيبان از نرم‌افزار LIBSVM) يا (Library for support vector machinesاستفاده گرديد. يافته‌ها: نتايج حاصل از مطالعه‌ي حاضر بر روي چهار روش بيولوژيكي كه براي تفسير نتايج تست‌هاي ژنوتيپي ارايه گرديده بود، بررسي شد. با مقايسه‌ي نتايج، بهترين روش بيولوژيكي براي هر دارو مشخص گرديد. ماشين‌هاي بردار پشتيبان، به عنوان يك جداساز بسيار قوي براي تعيين مقاومت دارويي ويروس HIV با دقت 98.77-86.27 عمل مي‌كند. با توجه به پارامترهاي اندازه‌گيري شده، اعمال ماشين‌هاي بردار پشتيبان بر روي نتايج روش (HIVDB) HIV RT and protease sequence database براي داروهاي Amprenavir (APV)، (NF) Nelfinavir،Abacavir ABC)) ،AZT) Zidovudine)، (D4T) Stavudine، DDI) Didanosine)، (TDF) Tenofovir disoproxil fumarate، Delavirdine (DLV) و بر روي نتايج روش ANRS) Agence national de recherches le SIDA)، براي داروهاي (IDV) Indinavir، 3TC) Lamivudine)، TDF) Tenofovir disoproxil fumarate)، Efavirenz ((EFV وNVP) Nevirapine ) بهترين نتايج را داشته است. براي داروهاي LPV) Lopinavir) و AZT) Zidovudine) ماشين‌هاي بردار پشتيبان براي نتايج روش Rega institute REGA)) عملكرد خوبي ارايه نموده است و نيز براي داروهاي IDV، LPV، RTV) Ritonavir)، (SQV) Saquinavir و DDI ماشين‌هاي بردار پشتيبان براي روش Visible genetics ((VGI عملكرد خوبي داشته است. نتيجه‌گيري: ماشين‌هاي بردار پشتيبان، به عنوان يك جداساز بسيار قوي براي تعيين مقاومت دارويي ويروس HIV عمل مي‌كند. مي‌توان هنگام استفاده از هر دارو براي درمان، قبل از شروع درمان ابتدا مقاومت دارويي را با استفاده از روش‌هاي يادگيري ماشين، تعيين كرد.