کاربرد الگوریتم خوشهبندی بهینه پارتو برای شناسایی gene signature در دادههای توالییابی ریبونوکلوئیک اسید
نام عام مواد
[پایان نامه]
عنوان اصلي به زبان ديگر
Application of Pareto optimal clustering algorithm for gene signature identification in RNA-seq data
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
علوم توان بخشی و سلامت اجتماعیPsychology & Education of Exceptional Children
تاریخ نشرو بخش و غیره
۱۴۰۰
مشخصات ظاهری
نام خاص و کميت اثر
۱۱۰ص.
یادداشتهای مربوط به کتابنامه ، واژه نامه و نمایه های داخل اثر
متن يادداشت
پیوست
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
19
نظم درجات
01
زمان اعطا مدرک
۱۴۰۰/۰۷/۱۲
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
سرطان کبد ششمین میزان ابتلا به سرطان را در دنیا به خود اختصاص میدهد و دومین میزان مرگ و میر مرتبط با تومور در سراسر جهان است. به دلیل مشکلات تشخیص زود هنگام، پیشرفت سریع و کمبود داروهای هدفمند، میزان بقاء سرطان کبد بسیار پایین است. توالییابی RNA تکنولوژی است که با بهرهگیری از توالییابی نسل بعدی برای بهدست آوردن تصویری کلی از حضور و مقدار ریبونوکلوئیک اسید از ژنوم در یک بازه زمانی خاص استفاده میکند. روشهای بسیار متعددی برای تحلیل اینگونه دادهها مورد استفاده قرار میگیرند، اما یکی از مهمترین و پرکاربردترین روشهای تحلیل دادهها که در زمره روشهای اکتشافی است استفاده از تحلیل خوشهای است. امضای ژن یک گروه واحد یا ترکیبی از ژن ها در یک سلول با الگوی منحصر به فرد بیان ژن است که برای تشخیص بیماریها مانند سرطان، برنامهریزی درمان، تعیین نحوه عملکرد خوب درمان و پیش آگهی استفاده شود. در این مطالعه از الگوریتم بهینهسازی پارتو برای یافتن خوشه امضای ژنی در دادههای سرطان کبد استفاده شد. درنهایت یازده ژن برای ارزیابی پیشآگهی سرطان کبد در این مطالعه معرفی شد. بیش از ۹۰ درصد ژنهای معرفی شده بهعنوان امضای ژنی از مهمترین ژنهای درگیر در بیماری سرطان کبد میباشند که تنها با بررسی این ژنها میتوان فرد مبتلا به سرطان کبد را در مراحل اولیه بیماری تشخیص داد. همچنین بررسی عملکرد این ژنها میتواند منجر به تولید دارویی مفید برای درمان سرطان کبد شود.کلمات کلیدی: خوشهبندی، بهینهسازی، الگوریتم بهینهسازی پارتو، بیان ژن، سرطان کبد، RNA-seq
متن يادداشت
Liver cancer is the sixth leading cause of cancer in the world and the second leading cause of cancer-related deaths worldwide. Survival rates for liver cancer are very low due to early detection problems, rapid progression, and lack of effective drugs. RNA sequencing, also known as Whole Transcriptom Shotgun Sequencing, is a technology that uses next-generation sequencing to get an overview of the presence and amount of RNA in the genome over a period of time.There are many methods used to analyze such data, but one of the most important and widely used methods of data analysis, which is one of the exploratory methods, is the use of cluster analysis. In this study, we used Pareto optimization algorithm to find gene signature clusters in liver cancer data. Finally, eleven genes were introduced to evaluate the prognosis of liver cancer in this study. More than 90% of the genes introduced as gene signatures are among the most important genes involved in liver cancer, and only by examining these genes can a person with liver cancer be diagnosed in the early stages of the disease. Also, the study of the function of these genes can lead to the production of a drug useful in the treatment of liver cancer.Keywords: Clustering, Optimization, Pareto Optimization Algorithm, Gene Expression, Liver Cancer, RNA-seq
موضوع (اسم عام یاعبارت اسمی عام)
موضوع مستند نشده
خوشهبندی
موضوع مستند نشده
Clustering
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )