Photo Photo Photo Photo Photo Photo

Print
E-mail
Remote Sensing: Class Prediction Methods Applied to Microarray Data for Classification

 

Class Prediction Methods Applied to Microarray Data for Classification

Fatima .S. Shukir

The Department of Statistic, Iraqi Commission for Planning and Follow up Directorate

Computers and Informatics (ICCI), Ministry of Higher Education and Scientific Research, Baghdad, Iraq.

Abstract

The use of microarray data for the analysis of gene expression has been seen to be an important tool in biological research over the last decade. The important role of this tool is indicated by providing patients a great benefit of predicted treatment. There is an important question about a classification problem. The question is which genes play an important role in the prediction of class membership? There are many classification methods applied to microarray data to solve the classification problem. In bioinformatics, Statistical method is addressed by using microarray data. For example breast tissue samples could be classified as either cancerous or normal.

Microarray expression profiling has provided an exciting new technology to identify classifiers for selection treatments to patients. Sometime in special cases, prognostic prediction is included in class prediction. In order to predict which patient will respond to a specified treatment we can think about two classes, including responders and no responders. The objective may be to predict whether a new patient is likely to respond based on the Microarray expression profile of her or his tissue sample. That it is mean accurate prediction is of obvious value in treatment selection. To achieve the above objectives I used many methods for class prediction using gene expression profiles from microarray experiments. This research aims to explain what these methods are, how these methods are applied to the microarray dataset, analyzes the results and how feature selection is used for classification. Furthermore, comparison of these methods and cross validation will be used to evaluate the predictive accuracy.

تطبيق طرق التوقع لبيانات المايكروأري ( Data  Microarray) لأجل التصنيف

فاطمة صادق شكر

قسم الإحصاء / مديرية التخطيط والمتابعة، الهيئة العراقية للحاسبات والمعلوماتية، وزارة التعليم العالي والبحث العلمي، بغداد، العراق.

الخلاصة

استخدام بيانات المايكروأري ( data  ( microarray لتحليل  ( gene expression )عدت كأداة هامة في البحوث البايلوجية على مدى العشر سنوات الماضية . ويدل ذلك على تطلع اهمية دور هذه الأداة ( (microarray عبر توفير فائدة كبيرة للمرضى أي (توقع علاج ملائم للمرضى). هناك سؤال مهم حول مشكلة التصنيف والسؤال هو أي من الجينات تلعب دورا هاماً في توقع صنف من مجموعة من الأصناف ؟ هنالك عدد من طرق التصنيف تطبق في ((microarray لحل مشكلة التصنيف.

في الإحصاء الحيوي (Bioinformatics) هنالك طرق إحصائية تعالج باستخدام بيانات ((microarray, مثلا مرض سرطان الثدي أو القولون, إذ يمكن تصنيف عينة من هذا المرض إما تكون سرطانية او طبيعية.

 إن (microarray expression profiling  ) قد جهز تقنية جديدة ومثيرة للتعرف على المصنفات لأجل اختيار علاج للمرضى, في بعض الأحيان وفي حالات خاصة  تشخيص التوقع  يتضمن من خلال توقع الصنف class prediction )). من أجل التوقع ( (predict اي من المرضى سوف يستجيب لعلاج محدد نستطيع ان نفكر في صنفين مستجيبين وغير مستجيبين. الهدف هو قد يكون توقع أي من المريض الجديد محتمل للاستجابة بناءا على بيانات (microarray expression profiling) المأخوذة من عينة من الأنسجة .ذلك يعني أن دقة التوقع تكون قيمة واضحة في إختيار العلاج.

لتحقــــيق الأهــــــداف السابقة استـــــــخدمت عدد من طـرق توقع الصنف (class prediction) باستخدام (gene expression profiles) من خلال تجارب المايكروأري (microarray experiments).  يهدف هذا البحث إلى توضيح ما هذه الطرق, وكيف يتم تطبيق هذه الطرق لمجموعة من بيانات المايكروأري (microarray data ) وتحليل النتائج وكيف يتم اختيار (feature selection ) المستخدم لأجل التصنيف وإضافة الى ذلك مقارنة بين هذه الطرق وسيتم استخدام مصطلح (cross validation) لتقييم دقة التوقع.

الكلمات المفاتيح : السرطان , بيانات المايكروأري , التصنيف , التحقق (cross validation) , دقة التوقع, التعبير الجيني (gene expression profiles ) , اختيار خاصية feature selection) ).



alt

 

S5 Box

Login



Register

*
*
*
*
*

Fields marked with an asterisk (*) are required.