تخمين هاپلوتايپ با استفاده از فاكتورسازي ماتريس رتبه‌پايين در حضور داده‌هاي پرت

تخمين هاپلوتايپ بر اساس اطلاعاتDNA براي كشف بيماري هاي ژنتيكي انسان استفاده مي شود. اين مسئله در پردازش ژنومي سيگنال ها به صورت يك ماتريس رتبه پايين قابل مدل سازي است كه به علت محدوديت هاي موجود در خوانش هاپلوتايپ، فقط تعداد كمي از درايه ها مشاهده مي شوند. در نتيجه يك روش موثر براي بازيابي هاپلوتايپ از مشاهدات ناقص، استفاده از روش هاي تكميل ماتريس است. در اين مقاله به كمك روش هاي تكميل ماتريس، سعي در تخمين هاپلوتايپ از طريق فاكتورسازي ماتريسي شده است. در مراجع از روش گراديان كاهشي براي حل مسئله استفاده شده است. اما در روش هاي قبلي داده هاي پرت نيز در محاسبات وارد مي شود كه باعث خطا در تخمين هاپلوتايپ شده است. به عبارتي در اين روش ها به شروط موجود براي ماتريس هاي هاپلوتايپ توجه نشده است و اين موضوع باعث تخمين داده هاي پرت براي هاپلوتايپ شده است. در اين مقاله با روش تكميل ماتريس و با در نظر گرفتن اين شروط در ماتريس هاپلوتايپ، يك تابع هزينه جديد به صورت عبارت جريمه براي تخمين هاپلوتايپ معرفي مي كنيم. عبارت جديد اضافه شده به تابع هزينه باعث مي شود كه اثر داده هاي پرت كاهش يافته و در نتيجه دقت تخمين هاپلوتايپ افزايش مي يابد. نتايج شبيه سازي نياز كاهش خطاي بازيابي هاپلوتايپ را تاييد مي كند.