بررسی پروفایل بیانی پلاکت های آموزش دیده توموری به عنوان نشانگر زیستی برای پیش آگهی و تشخیص سرطان

به این دلیل که بیوپسی مایع نسبت به بیوپسی بافتی ایمن تر و کم تهاجمی تر است، در سال های گذشته بررسی زیست نشانگر های موجود در آن برای پیش آگهی و تشخیص زود هنگام سرطان حایز اهمیت شده است. بررسی تغییر پروفایل بیانی پلاکت های آموزش دیده توموری موجود در بیوپسی مایع می تواند به عنوان یکی از زیست نشانگرها مورد استفاده قرار گیرد. استفاده از مدل های یادگیری ماشین دسته بندی با توجه به فضای ویژگی بر گرفته از داده های بیانی این پلاکت ها، توانایی پیش آگهی و تشخیص زود هنگام سرطان را به ما داده است. در این پژوهش میزان صحت و خطای هفت مدل دسته بندی در دو حالت دو دسته برای تشخیص نمونه های سالم و سرطانی و چند دسته برای تشخیص نمونه های سالم و انواع سرطان ها از یکدیگر مورد ارزیابی قرار گرفتند. این مدل ها روی پروفایل بیانی 2000 ژن پلاکت های آموزش دیده توموری مربوط به بیمارانی با سرطان های سینه، کبد، روده، مغز، پانکراس و ریه و همینطور پروفایل بیانی این ژن ها در 55 فرد سالم بررسی شدند. داده های مورد استفاده سری GSE68086 هستند که از پایگاه داده GEO دانلود شدند. همچنین روی این ژن ها با روش preranked GSEA تجزیه و تحلیل غنی سازی مسیر صورت گرفت. نتایج نشان داد مدل ماشین بردارهای پشتیبان با کرنل خطی و غیر خطی از بین مدل های دو دسته با میانگین خطای 05/0 و مدل ماشین بردارهای پشتیبان خطی از بین مدل های چند دسته با میانگین خطای 33/0 نرخ خطای کمتری دارند. به طور کلی نتایج حاصل دسته بندی پروفایل بیانی پلاکت های آموزش دیده توموری و تجزیه و تحلیل غنی سازی مسیرنشان دهنده این است که پروفایل بیانی پلاکت های آموزش دیده توموری را می توان به عنوان کاندید نشانگر زیستی در نظر گرفت.