پیش بینی مقاومت دارویی ویروس HIV با استفاده از ماشین های بردار پشتیبان

بررسی عملکرد روش یادگیری ماشین های بردار پشتیبان برای پیش بینی مقاومت دارویی ویروس HIV با استفاده از تحلیل دنباله آمینو اسیدها.
در این مطالعه از ماشین های بردار پشتیبان استفاده شده است، همچنین برای آموزش و آزمایش ماشین های بردار پشتیبان از نرم افزار LIBSVM استفاده شده است.
در این مطالعه بررسی عملکرد روش یادگیری ماشین های بردار پشتیبان برای پیش بینی مقاومت دارویی ویروس HIV با استفاده از تحلیل دنباله آمینو اسیدها ارائه شده است و نتایج حاصل بر روی چهار روش بیولوژیکی که برای تفسیر نتایج تست های ژنوتیپی ارائه گردیده بود، بررسی شده است و با مقایسه نتایج، بهترین روش بیولوژیکی برای هر دارو مشخص شده است. ماشین های بردار پشتیبان، به عنوان یک جدا ساز بسیار قوی برای تعیین مقاومت دارویی ویروس HIV با دقت 27/86- 77/98 عمل می کند. اعمال ماشین های بردار پشتیبان بر روی نتایج روش HIVDB برای داروهای APV، NFV،ABC، AZT، D4T، DDI، TDFو DLV بهترین نتایج را با توجه به پارامترهای اندازه گیری شده داشته است. روش ماشین های بردار پشتیبان برای داروهای IDV، 3TC، TDF، EFV و NVP بهترین نتایج را بر روی روش ANRS داشته است. برای دارو های LPV و AZT ماشین های بردار پشتیبان برای نتایج روش REGA عملکرد خوبی داشته است و برای داروهای IDV، LPV،RTV، SQV و DDI ماشین های بردار پشتیبان برای روش VGI عملکرد خوبی داشته است.
ماشین های بردار پشتیبان، به عنوان یک جدا ساز بسیار قوی برای تعیین مقاومت دارویی ویروس HIV عمل می کند. می توان هنگام استفاده از هر دارو برای درمان، قبل از شروع درمان ابتدا مقاومت دارویی را با استفاده از روش های یادگیری ماشین، تعیین کرد.