پیش بینی ژن های بیماری با استفاده از دسته بند تک کلاسی ماشین بردار پشتیبان

در بحث شناسایی و دسته بندی ژن های بیماری، متخصصان تنها به دسته بندی یک کلاس خاص، یعنی ژن های بیماری علاقه مند هستند و توجهی به کلاس های دیگر، یعنی ژن های غیربیماری ندارند. در مباحث یادگیری ماشین، این کاربرد تحت عنوان دسته بندی تک کلاسی مطرح می شود. روش های موجود مبتنی بر یادگیری معمولا ژن های شناخته شده بیماری را به عنوان مجموعه آموزشی مثبت، و ژن های ناشناخته را به عنوان مجموعه آموزشی منفی برای ایجاد یک دسته بند دودویی استفاده می کنند. از آنجاییکه در پایگاه داده های موجود در علم ژنتیک مجموعه ژن غیربیماری وجود ندارد، ما در این مقاله با استفاده از روش دسته بند تک کلاسی ماشین بردار پشتیبان و در نظر گرفتن تنها ژن های بیماری زا اقدام به شناسایی داده های بدون برچسب می کنیم. روش پیشنهادی نسبت به روش های موجود از لحاظ معیار های دقت، بازخوانی و معیارF1 نتایج بهتری را ارایه می دهد.