تركيب يك روش خوشه‌بندي تجمعي و يك معيار شباهت جديد براي مدل‌سازي رفتار وراثتي بيماري‌ها

امروزه تئوري‌هاي بسياري در مورد علل بروز بيماري‌هاي وراثتي وجود دارد، اما پزشكان معتقدند كه دو فاكتور ژنتيك و محيط‌زيست هم‌زمان باهم نقش مهمي در بروز و پيشرفت اين بيماري‌ها ايفا مي‌كنند، هرچند كه چگونگي اين اثرگذاري هنوز به‌طور دقيق مشخص نيست. براي اينكه بتوان ژن‌هاي مؤثر در بروز بيماري‌ها را تشخيص داد، بايد ارتباط بين سلول‌ها/بافت ها را به دست آورد. تعامل بين سلول‌هاي/بافت‌هاي مختلف را مي‌تواند با بيان ژن بين آنها مختلف نشان داد. با نمونه برداري از كروموزوم‌ها، اطلاعات مفيدي در مورد نوع بيماري و چگونگي انتقال آن استخراج مي شود. با بررسي اين اطلاعات مي توان اختلالاتي كه منجر به تغييرات به‌شدت پرتكراري شده اند را شناسايي كرد. در اين مقاله تشخيص ارتباط‌هاي بين سلولي و بين بافتي در بيماري‌هاي مختلف با توجه به مشخصات ساختار توپولوژيكي گراف و يك روش خوشه‌بندي تجمعي بهبوديافته انجام شده است. روش پيشنهاي داراي دو مرحله مي‌باشد؛ در مرحله اول چندين مدل خوشه‌بندي به‌منظور تشخيص ارتباط‌هاي اوليه بين سلول‌ها يا بافت‌ها در جهت توليد نتايج بهتر نسبت به الگوريتم‌هاي انفرادي، تركيب مي‌شوند. در مرحله دوم تشابه بين سلول‌ها يا بافت‌ها در هر خوشه با استفاده از يك معيار شباهت مبتني بر ساختار توپولوژيكي گراف محاسبه مي‌شود. درنهايت از حداكثر شباهت هاي بين سلول ها يا بافت ها در هر خوشه براي كشف ارتباطات بين بيماري ها استفاده مي شود. به‌منظور ارزيابي عملكرد روش پيشنهادي از چندين مجموعه داده UCI و همچنين مجموعه داده فانتوم 5 استفاده شده است. نتايج روش پيشنهادي روي مجموعه داده فانتوم 5، ضريب سيلوئت 0.901 را در 18 خوشه براي سلول ها و 0.762 در 13 خوشه براي بافت ها را گزارش مي كند.