استنتاج مجموعه پیش بینی کننده در شبکه تنظیم کننده ژن مبتنی بر الگوریتم جستجوی گرانشی و تابع برازندگی میانگین آنتروپی شرطی

استنتاج شبکه تنظیم کننده ژن (GRN) با استفاده از داده های بیان ژن جهت درک وابستگی و نحوه تنظیم ژن ها، درک فرآیندهای زیست شناسی، نحوه رخداد فرآیندها و همچنین جلوگیری از رخداد برخی فرآیندهای ناخواسته (بیماری)، حائز اهمیت است. ساخت صحیح GRN، نیازمند استنتاج صحیح مجموعه پیش بینی کننده می باشد. به طور کلی، مهمترین محدودیت در مورد استنتاج صحیح مجموعه پیش بینی کننده، حجم عظیم ژن ها، کم بودن تعداد نمونه ها و امکان نفوذ نویز در داده های بیان ژن می باشد؛ بنابراین، ارائه روش هایی کارا جهت استنتاج پیش بینی کننده ها با قابلیت اطمینان بالا یک نیاز جدی می باشد. در این مقاله، با استفاده از الگوریتم جستجوی گرانشی(GSA)، یک روش کارا جهت استنتاج مجموعه پیش بینی کننده ارائه شده است. به ازای هر ژن هدف، یک الگوریتم GSA جهت استنتاج زیر مجموعه پیش بینی کننده آن ژن استفاده شده است. در هر جمعیت، یک جرم نشان دهنده زیر مجموعه پیش بینی کننده مرتبط با آن ژن هدف می باشد. جمعیت اولیه به ازای هر ژن هدف براساس ضریب همبستگی پیرسون تولید می شود. جهت هدایت الگوریتم GSA، از معیار ارزیابی میانگین آنتروپی شرطی (MCE) استفاده شده است. نتایج تجربی حاصل از به کارگیری این روش بر روی داده های زیست شناسی نشان می دهد که روش پیشنهادی دقت بالایی جهت استنتاج مجموعه پیش بینی کننده دارد. به علاوه، نتایج بر روی داده های زیست شناسی با مقیاس کوچک و بزرگ نشان می دهند که میزان دقت روش پیشنهادی جهت استنتاج GRN در مقایسه با روش های مشابه، بیشتر است.