پيش‌بيني بقاي بيماران مبتلا به سرطان با داده‌هاي ژنتيك

اصفهان : دانشگاه صنعتي اصفهان

مهندسي كامپيوتر

كارشناسي ارشد

پيش‌بيني بقاي بيماران سرطاني يكي از چالش‌هاي اصلي در بيوانفورماتيك است كه تأثير زيادي بر تصميمات درماني و كيفيت زندگي بيماران دارد. پيشرفت‌هاي اخير در فناوري‌هاي توالي‌يابي ژنوم به محققان اين امكان را داده است تا با استفاده از داده‌هاي چنداُميكي (Multi-omics) به پيش‌بيني دقيق‌تري دست يابند. اين داده‌ها، شامل اطلاعات RNA-seq، متيلاسيون DNA و تغييرات تعداد كپي ژن‌ها (CNA)، منابع غني و پيچيده‌اي از اطلاعات زيستي فراهم مي‌آورند كه مي‌توانند براي تحليل و پيش‌بيني بقا مفيد باشند. در اين پژوهش، هدف پيش‌بيني بقاي بيماران مبتلا به سرطان با استفاده از داده‌هاي ژنتيكي است. براي اين منظور، از مدل شبكه عصبي گرافي هندسي (GGNN) استفاده شده است كه بر مبناي مفاهيم رياضي پيچيده‌اي چون انحناي اليوير ريچي (ORC) و فرآيندهاي زنجيره ماركوف عمل مي‌كند. اين مدل قادر است ويژگي‌هاي مهم ساختارهاي گرافي را از داده‌هاي چنداُميكي استخراج كرده و به پيش‌بيني دقيق‌تر بقا كمك كند. داده‌هاي مربوط به سرطان از پايگاه‌داده جامع سرطان (TCGA) جمع‌آوري و به گراف‌هايي تبديل مي‌شوند كه در اين گراف‌ها ژن‌ها به‌عنوان گره‌ها و تعاملات بين آن‌ها به‌عنوان يال‌ها عمل مي‌كنند. در اين تحقيق، روشي جديد براي نرمال‌سازي داده‌ها پيشنهاد شده است كه منجر به بهبود دقت مدل گرديده است. نتايج نشان مي‌دهد كه اين روش نرمال‌سازي، دقت پيش‌بيني بقا را به‌طور قابل‌ملاحظه‌اي افزايش داده و ميانگين شاخص C-index را تا 785 /0 ارتقا داده است. اين دستاورد مي‌تواند به پزشكان و محققان در طراحي استراتژي‌هاي درماني دقيق‌تر براي بيماران سرطاني كمك كند.

233372

علوم داده

مهندسي برق و كامپيوتر

دانشگاه صنعتي اصفهان