استخراج الگوی پروتئینی از داده طیف جرمی لیزری جهت تشخیص سرطان پستان با استفاده از الگوریتم داده کاوی

یکی از مشکلات اساسی در درمان بیماری سرطان، عدم وجود روشی مناسب در تشخیص زودرس آن می باشد. سرطان پستان یکی از بیماری های شایع در بین زنان می باشد که تشخیص در مراحل اولیه می تواند تاثیر بسزایی در میزان مرگ و میر زنان داشته باشد. در حال حاضر، نشانگرهای تومور مناسب برای تشخیص زودرس این بیماری وجود ندارد. واکنش های شیمیایی درون یک عضو زنده می تواند بصورت الگوهایی پروتئینی در مایعاتی نظیر خون، خلط و ادرار انعکاس داده شود. طیف سنج جرمی جذب- یونیزاسیون لیزری سطحی ارتقاء یافته زمان پروازی یک ابزار مناسب جهت تهیه پروفایل های پروتئینی از نمونه های بیولوژیک می باشد. ارایه یک روش داده کاوی جهت انتخاب نشانگرهای حیاتی تفکیک کننده گروه های سالم از سرطانی، جزء چالش های مهم در تحلیل الگوهای پروتئینی محسوب می شود.
در این تحقیق، داده های پروفایل پروتئینی خونابه بیماران مبتلا به سرطان پستان مورد تحلیل قرارگرفت. با ارایه یک مدل ریاضی و استفاده از تبدیل موجک گسسته، اغتشاشات خط زمینه و نویز الکتریکی در مرحله پیش پردازش حذف گردید و سپس، تمام سیگنال های طیف جرمی نرمالیزه شدند. در این مقاله، یک الگوریتم داده کاوی ترکیبی مبتنی بر سه معیار آزمون آماری، اندازه تفکیک پذیری کلاس و امتیازدهی نقاط، معرفی شده است. با روش پیشنهاد شده، بهترین زیرمجموعه پروتئین ها از بین 13488 نقطه موجود با حفظ ارزش اطلاعاتی و قدرت تفکیک پذیری انتخاب شد و برای تعیین نشانگرهای حیاتی استفاده گردید. با استفاده از روش ارزیابی متقابل K چرخشی، نمونه های موجود در مجموعه داده به دو دسته یادگیری و آزمون، بطور تصادفی تقسیم شدند. حداقل آستانه برای آمارگان T مقدار 96/1 انتخاب شد. الگوریتم داده کاوی به نقاط باقیمانده از مرحله آستانه دهی اعمال شد و بهترین زیرمجموعه ویژگی ها شامل نشانگرهای حیاتی با قدرت تمایز بالا انتخاب گردید.
با استفاده از روش تحلیل تمایز خطی، تعداد 19 پروتئین بعنوان نشانگر حیاتی برگزیده شد که توانست نمونه های سالم و سرطانی را با دقت تشخیص 100%، حساسیت 100% و قطعیت 100% از هم تمیز دهد.
با تولید اطلاعات کامل از نمونه های بیولوژیک می توان از آنها در تشخیص بیماری های با عوامل تشخیصی ضعیف نظیر سرطان استفاده نمود. تشخیص بیماری نمونه ای از تفکیک الگو می باشد. در این مقاله، یک الگوریتم داده کاوی جهت انتخاب بهترین زیرمجموعه از پروتئین ها معرفی گردید. روش پیشنهادی نشان داد که با کاهش تعداد نشانگرهای حیاتی منتخب، که از مزیت های این روش می باشد، قدرت تفکیک پذیری از سطح مناسبی برخوردار است. نتایج بدست آمده تاکید دارد که انتخاب مناسب زیرمجموعه پروتئین های شاخص تاثیر بسزایی در تعیین نشانگرهای حیاتی جهت تشخیص صحیح بیماری دارد.