روشي جديد براي تشخيص لوسمي ميلوژنيك و لنفوسيتيك حاد با استفاده از داده‌هاي بيان ژن و روش‌هاي يادگيري ماشين

A new approach for diagnosis of Acute Myeloid and Lymphoblastic Leukemia using gene expression profile and machine learning techniques

چكيده سابقه و هدف لوسمي از سرطان هاي شايع در جهان است. يكي از مهم‌ترين روش ها براي كشف و پيش بيني لوسمي ميلوژنيك و لنفوسيتيك حاد، استفاده از DNA افراد و اطلاعات ژنتيكي آن‌ها مي‌باشد. تكنولوژي ريز آرايه، ابزاري براي بررسي بيان هزاران ژن در حداقل زمان است. تحليل مجموعه داده‌هاي ريز آرايه بدون كمك آناليز آماري و روش‌هاي يادگيري ماشين ممكن نيست. در اين مطالعه با استفاده از مجموعه داده‌هاي ريز آرايه و روش‌هاي يادگيري ماشين به تشخيص انواع لوسمي پرداخته ‌شد. مواد و روش‌ها داده‌هاي مورد استفاده در اين پژوهش توصيفي، بيان 7129 ژن مربوط به 72 بيمار مبتلا به لوسمي بود كه با استفاده از فناوري ريز آرايه به دست آمد. سپس با استفاده از اين دادهها، تشخيص لوسمي ميلوژنيك حاد(AML) و لوسمي لنفوسيتيك حاد(ALL) با روش طبقه‌بندي ناپارامتري هسته، تابع پايه شعاعي ناهمسانگرد با استفاده از معيارهاي نسبت بهره و بهره اطلاعاتي انجام ‌شد. يافته‌ها روش پيشنهادي طبقه‌بندي ناپارامتري با استفاده از معيار بهره اطلاعاتي با انتخاب230 ژن مهم و با استفاده از معيار نسبت بهره با انتخاب 86 ژن مهم با دقت 06/97? ، قادر به تشخيص انواع لوسمي‌ميلوژنيك و لنفوسيتيك است، در حالي‌كه روش طبقه‌بندي ناپارامتري هسته‌، تابع پايه شعاعي با 7129 ژن داراي دقت 29/35? است. نتيجه گيري نتايج اين مطالعه نشان داد كه استفاده از داده‌هاي بيان ژن و روش پيشنهادي با معيار نسبت بهره قادر به تشخيص لوسمي با دقت بالايي است. بنابراين به نظر مي‌رسد اين روش مي‌تواند در تشخيص دقيق تر انواع لوسمي‌كمك كند تا تصميمات مناسب‌تري در مورد نحوه تشخيص و درمان بيماران گرفته شود.

Abstract Background and Objectives Leukemia is a cancer type in the world. One of the most accurate methods for detection and prediction of Acute Myeloid Leukemia and Acute Lymphoblastic Leukemia is to use DNA and genetic information of people. Microarray technology is a tool to study the expression of thousands of genes in shortest possible time. Analyzing the microarray datasets may not be possible without the statistical analysis and machine learning techniques. In this paper, microarray data sets and machine learning techniques are used for the diagnosis of leukemia. Materials and Methods The data used in this descriptive study are the expression of 7129 genes of 72 patients with leukemia which have been achieved by the microarray technology. Then, the diagnosis of AML and ALL was performed using the microarray data based on anisotropic radial basis function with the gain ratio and information gain. Results The proposed method using information gain with the selection of 230 important genes and using gain ratio with the selection of 86 important genes was able to detect AML and ALL with accuracy of 97.06%, whereas non-parametric kernel classification method based on the radial basis function has the accuracy of 35.29? with 7129 genes. Conclusions The results of this study showed that the gene expression data and proposed method with gain ratio method are able to detect leukemia with high accuracy. Therefore, it seems that proposed method can help to accurately diagnose leukemia for a better decision making about the diagnosis of diseases and treatment of patients.