ارائه کننده: زهراسادات ميرقادري
استاد راهنما: دكتر مهرداد كارگري
استاد مشاور: دكتر بابك تيمورپور
استاد داور داخلي: دكتر سارا بوربور حسينبيگي
استاد داور خارج از دانشگاه: دكتر مهرداد روانشاد
نماينده تحصيلات تكميلي : دكتر سارا بوربور حسينبيگي
تاریخ: 1402/08/07
ساعت: 11:00
مکان: اتاق سمینار منفی یک دانشكده فني و مهندسي

چکیده:

سرطان يکي از دلايل اصلي مرگ‌ومیر در سراسر جهان است و یک بیماری پیچیده و خطرناک است، در این بیماری، سلول‌های بدن شروع به رشد غير قابل کنترل می‌کنند. این اتفاق به علت مشکلاتی در ژن‌های مختلف رخ می‌دهد که باعث تغییرات غیرطبیعی در رفتار سلول‌ها می‌شوند.در سرطان، برخی از سلول‌ها  بابیان ژن تغییریافته به‌طور غیرطبیعی رشد می‌کنند، به سایر بافت ها حمله می‌کنند و عملکرد طبیعی آن‌ها را مختل می‌کنند. این تغییرات به وسیله تعاملات خاصی بین ژن‌ها به سایر سلول‌ها منتقل می‌شوند و باعث اختلال در عملکرد سلول‌ها می‌شوند. این اختلالات به تدریج به بروز بیماری‌های مختلف، به ویژه سرطان، منجر می‌شوند.در زمینه سرطان، پودمان­ها به عنوان تجمع‌هایی از ژن‌ها و مولکول‌های تنظیم‌کننده در نظر گرفته می‌شوند که در فرآیندهای بروز و پیشرفت سرطان نقش دارند. این پودمان­ها معمولاً توالی ژنی خاصی را به عنوان واحد مرکزی دارند که در کنترل و تنظیم فرآیندهای سلولی مرتبط با سرطان مهم هستند.مهمترین ویژگی پودمان‌های سرطانی این است که تغییرات و اختلالات در آن‌ها می‌توانند به بروز و پیشرفت سرطان منجر شوند. این تغییرات ممکن است باعث فعالیت نادرست یا بی‌کنترل ژن‌ها شوند، که در نهایت به افزایش رشد سلولی و تشکیل تومورها منجر می‌شود.به همین منظور هدف از انجام این پژوهش ارائه روشي به نام mdGRN برای شناسایی پودمان هاي موثر در بروز سرطان در شبکه تنظیم ژنی می­باشد. دراین روش درابتدا، یک شبکه تنظیم ژنی مرتبط با سرطان ریه با استفاده از داده‌های بیان ژن ساخته شده است. سپس با استفاده از روش شبکه‌ای اجتماع‌یابی ،اجتماعات شناسایی و رتبه بندي شده اند.در رتبه بندی انجام شده امتیاز هر اجتماع محاسبه و 5 اجتماعی که رتبه بالاتری کسب کرده­اند معرفی شده اند،در ادامه رتبه ژن های سرطاني در اجتماعات برتر محاسبه و ژن هايي که رتبه بالاتري کسب کرده­اند نيز شناسايي و معرفي شده­اند.برای ارزیابی دقت و کارآیی روش mdGRN، از چهار طبقه بندی‌کننده درخت تصميم،k-نزديکترين همسايه ها، ماشين بردار پشتيبان و جنگل تصادفي استفاده شده‌است که نتایج ارزیابی انجام‌شده­ دو طبقه بندي کننده ماشين بردار پشتيبان و جنگل تصادفي با پژوهش اصلي و پژوهش هاي پيشين مقايسه شده است. روش پیشنهادی mdGRN از نظر معیار F-Measure با طبقه بند ماشین بردار پشتیبان نسبت به بهترین روش پیشین بهبود عملکرد داشته است. همچنین از نظر معیار AUC روش پیشنهادی با طبقه بند جنگل تصادفی با مقدار 0.997 در مقایسه با 6 روش شناسایی پودمان­هاي سرطانی پیشین بالاترین عملکرد و با طبقه بند ماشین بردار پشتیبان بعد از روش mRank به مقدار 0.993 در جایگاه دوم قرار دارد.