ارتباط بين بيان ژن و فنوتايپ در سرطان با استفاده از مدل هاي مولد عميق

اصفهان : دانشگاه صنعتي اصفهان

مهندسي كامپيوتر

دكتري

بيماري سرطان يكي از مهلك ترين بيماري هايي است كه ساليانه موجب از دست رفتن جان هزاران نفر در سراسر جهان مي شود. يكي از عوامل اين بيماري، تغييرات ژنتيكي يا جهش هايي است كه در ژنوم سلول رخ مي دهد و باعث تبديل سلول نرمال به سلول سرطاني مي شود. تنوع جهش ها در ژنوم باعث به وجود آمدن انواع مختلفي از بيماري سرطان مي شود كه به آن فنوتايپ گفته مي شود. تنوع مختلف در فنوتايپ هاي بافت سرطاني و تعامل آنها با يكديگر، درمان اين بيماري را پيچيده تر مي سازد. امروزه با پيشرفت دستگاه هاي توالي سنج ژنوم، حجم بسيار زيادي از داده هاي مربوط به سرطان از جمله داده هاي بيان ژن، فنوتايپ و مراحل پيشرفت سرطان در اختيار محققين قرار گرفته شده است. چالش هايي از جمله تعداد بسيار زياد ژن، هزينه و زمان زياد اندازه گيري بيان ژن ها در آزمايشگاه، برچسب دهي داده هاي بيان ژن به همراه چالش هاي دقت تشخيص فنوتايپ هاي سرطاني، تشخيص فنوتايپ هاي جديد و ارتباط بين فنوتايپ و بيان ژن ها تحليل داده هاي بيولوژي را با چالش مواجه نموده است. مدل هاي مولد ابزاري براي حل چالش هاي داده بيان ژن سرطان هستند. مدل هاي مولد براي فهميدن زبان ژن ها و ايجاد نمونه هاي جديدي از بيان ژن استفاده مي شوند. مدل هاي مولد براي شبيه سازي داده بيماران، ايجاد پروفايل هاي جديد بيان ژن، تشخيص فنوتايپ هاي سرطاني و تعيين ژن هاي مهم استفاده مي شوند. ما در اين رساله پس از بررسي مدل هاي مولد مختلف، GANبراي حل چالش ارتباط بيان ژن و فنوتايپ در نظر گرفته ايم. مدل هاي GANبر اساس تئوري بازي ها بين دو بازيكن استوار هستند.در اين مدل ها بجاي ياد گرفتن مستقيم تابع چگالي توزيع داده، نمونه جديدي از داده توليد شده و تلاش مي شود نمونه هاي توليد شده شبيه به نمونه هاي واقعي گردد. در GANاز دو شبكه به نام مولد و تميز دهنده استفاده مي شود كه در حال انجام بازي كمينه بيشينه با يكديگر هستند. هدف مولد، توليد نمونه هايي از داده است كه با داده هاي اصلي شباهت زيادي داشته باشد. ورودي مولد، برداري از مقادير تصادفي است و خروجي آن، نمونه هاي ساختگي داده توليد شده خواهد بود. هدف تميز دهنده تمايز بين داده هاي واقعي و داده هاي توليد شده توسط مولد است. بيان ژن هاي يك بافت را در شرايط مختلف مي توان توسط مدل هاي مولد از جمله GANشبيه سازي نمود و پروفايل هاي ساختگي از بيان ژن هاي يك فنوتايپ توليد نمود. در اين رساله به چالش هاي استفاده از GANاز جمله نمايش بيان ژن به صورت تصوير، حل مشكل همگرايي ، GANمشكل تشخيص فنوتايپ هاي سرطاني و تعيين فنوتايپ هاي جديد پرداخته مي شود. در اين راستا دو مدل مبتني بر GANبراي اولين بار براي ايجاد پروفايل بيان ژن ، تشخيص فنوتايپ و تعيين مراحل پيشرفت بيماري سرطان ارائه مي شود. در اين رساله، مدل بدون ناظر IP3Gبراي ايجاد بيان پروفايل بيان ژن و تشخيص فنوتايپ هاي سرطاني پيشنهاد شده است. همچنين مدل نيمه ناظر ssInfoGANبراي تشخيص مراحل پيشرفت بيماري ارائه مي شوند. مدل هاي ارائه شده نسبت به ساير روش هاي موجود از نتايج بهتري برخوردار هستند.

231564

نرم افزار

مهندسي برق و كامپيوتر

دانشگاه صنعتي اصفهان