امکان سنجی آنتروپی نسبی در خوشه بندی تعدادی از ژن های موثر بر تولید شیر در گاو شیری

جدا از اینکه شیر نقش مهمی در تغذیه انسان ایفا می نماید، افزایش تولید شیر و یا تغییر در میزان ترکیبات آن بیشترین توجه اصلاحگران گاو شیری را به خود اختصاص داده است به همین علت پژوهش و بررسی ژنهایی که روی تولید و ترکیب شیر نقش موثری دارند، بسیار با اهمیت است. نظریه اطلاعات، شاخه ای از ریاضیات است که با مهندسی ارتباطات، زیست شناسی و پزشکی همپوشانی دارد. آنتروپی اندازه ای از عدم قطعیت در مجموعه اطلاعات است. شانون در مقاله مشهور خود در سال 1948 این مفهوم را معرفی کرده و نتایج آن را در تعدادی از مسائل پایه ای نظریه کدگذاری و انتقال داده ها مورد استفاده قرار داد که پایه نظریه اطلاعات جدید را تشکیل می دهد. از تئوری اطلاعات در تجزیه و تحلیل های ژنتیکی و بیوانفورماتیکی استفاده گردیده و میتوان از آن جهت بسیاری از آنالیز های مربوط به ساختارها و توالی های زیستی استفاده نمود.
توالی 30DNA ژن مربوط به تولید پروتئین شیر به صورت جداگانه از پایگاه داده ژنوم NCBI استخراج و در فرمت FASTA ذخیره شد. در این پژوهش برای هر مجموعه ژن و اگزون های آن فراسنجه آنتروپی در مراتب یک الی چهار محاسبه شد. در این راستا از زنجیره مارکف تا رتبه 3 استفاده گردید. بر اساس آنتروپی نسبی حاصله برای ژن ها و اگزون ها، واگرایی کولبک – لیبلر برای ژن ها و اگزون ها تعریف و محاسبه گردید. سپس ماتریس واگرایی کولبک – لیبلر ژنها و اگزونها به عنوان ورودی 7 روش معمول خوشه بندی Single ، Complete،Average ، Weighted،Centroid ، MedianوK-Means در نظر گرفته شد. برای تجمیع نتایج حاصل از خوشه بندی های مختلف، از الگوریتم AdaBoost استفاده گردید. در پایان جهت تایید نتایج حاصل از AdaBoost و پیش بینی عملکرد ژن ها و ارتباط بین آنها، با مراجعه به GeneMANIA prediction server نتایج بر اساس حاشیه نویسی ژنومی آن ها مورد بررسی و مقایسه قرار گرفت. همه محاسبات با استفاده از نرم افزار مهندسی متلب نسخه 2015 انجام گردید.
با بررسی نتایج در GeneMANIA prediction server ، ارتباط متقابل و مسیرهای متابولیکی مشترک ژن ها براساس حاشیه نویسی ژنومی آن ها، روش خوشه بندی ارایه شده را روشی صحیح، منطقی و در عین حال سریع نشان داد. این روش علاوه بر اینکه زمانبر بودن حاصل از همتراز نمودن ژن ها را نداشته، محتوا و اندازه واقعی ژن ها را مورد بررسی قرار داده و نیاز به حافظه بالا برای پردازش فایل های همردیف توالی های با طول بزرگ را ندارد.
نتایج نشان داد که روش پیشنهادی جهت خوشه بندی مجموعه ای از ژن ها به لحاظ زیستی بسیار جذاب به نظر می رسد. اعتقاد بر این است که روش ارائه شده می تواند با سایر روش ها از جهت خوشه بندی مجموعه ای از ژنها رقابت نماید. روش یاد شده می تواند به عنوان یک روش پیش بینی عملکرد زیستی ژن هایی با داده های حاشیه نویسی ژنومی ضعیف نیز در نظر گرفته شود.