خوشه بندی داده های بیان ژنی و کاربرد آن در تحلیل افتراق انواع سرطان خون

یکی از شاخه های مهم بیوانفورماتیک فناوری ریزآرایه DNA است که امکان بررسی بیان هزاران ژن را به طور هم زمان در حداقل زمان ممکن می سازد که در سال های اخیر موجب تولید حجم انبوهی از داده های بیان ژنی شده است. تحلیل آماری این داده ها شامل نرمال سازی، خوشه بندی، طبقه بندی و... از جمله روش های مورد استفاده در تحلیل این نوع داده ها است.
در این مقاله داده های بیان ژنی سرطان خون گلوب و همکاران (1999) که بر اساس روش آرایه الیگونوکلئوتید تولید شده و از طریق اینترنت در اختیار عموم قرار دارد، با استفاده از روش های آماری مقیاس بندی چند بعدی، خوشه بندی سلسله مراتبی و غیر سلسله مراتبی مورد تجزیه و تحلیل قرار گرفته است. مجموعه داده ها شامل 20 بیمار مبتلا به سرطان خون لنفوئیدی حاد (ALL) و 14 بیمار مبتلا به سرطان خون میلوئیدی حاد (AML) است. در هر دو روش خوشه بندی، داده ها به دو خوشه تقسیم شدند. روش های مختلف خوشه بندی با توجه به گروه بندی واقعی نمونه ها (ALL،AML) مورد مقایسه قرار گرفتند. نرم افزار R برای تحلیل داده ها استفاده شد.
ویژگی روش خوشه بندی سلسله مراتبی تقسیمی در تشخیص افراد ALL، 75 درصد و حساسیت آن 92 درصد بدست آمد، ویژگی روش افراز کردن اطراف میدوئید در تشخیص افراد ALL، 90 درصد و حساسیت آن 93 درصد بدست آمد که نشان دهنده عملکرد خوب این دو روش است. یکی از نمونه ها که بر اساس یافته های بالینی در گروه AML قرار دارد طبق نتایج تمام روش های خوشه بندی مورد استفاده در گروه ALL قرار گرفت که از نظر بالینی می تواند قابل توجه باشد.
با توجه به انطباق قابل توجه نتایج خوشه بندی با گروه بندی واقعی داده ها، می توان از این روش های آماری در مواردی که اطلاع دقیقی از گروه بندی واقعی داده ها در دست نیست، استفاده کرد. به علاوه نتایج خوشه بندی ممکن است زیرگروه هایی از نمونه ها را به نحوی متمایز کند که برای انطباق آن با یافته های بالینی، پژوهش های آزمایشگاهی یا بالینی جدیدی لازم باشد.