اندیشه آماری

اندیشه آماری

کاربرد روش کاهش ابعاد چندعاملی (MDR) در شناسایی مدل‌های چند لوکوسی دخیل در رخداد بیماری بهجت

نوع مقاله : مقاله پژوهشی

نویسندگان
1 استاد آمار زیستی، گروه آمار زیستی، دانشکده علوم پزشکی، دانشگاه تربیت مدرس، تهران، ایران. نویسنده مسئول، kazem_an@modares.ac.irاستاد آمار زیستی، گروه آمار زیستی، دانشکده علوم پزشکی، دانشگاه تربیت مدرس، تهران، ایران. نویسنده مسئول، kazem_an@modares.ac.ir
2 دانشجوی کارشناسی ارشد آمار زیستی، گروه آمار زیستی، دانشکده علوم پزشکی، دانشگاه تربیت مدرس، تهران، ایران.
3 استادیار آمار زیستی، گروه آمار زیستی، دانشکده بهداشت، دانشگاه علوم پزشکی کرمانشاه، کرمانشاه، ایران.
چکیده
الگوریتم­ کاهش بعد چندعاملی به عنوان یک الگوریتم توانمند برای شناسایی اثرات متقابل مراتب بالا در ساختارهای ابربعد محسوب می­شود. در این تحقیق با استفاده از اطلاعات  748 مورد بیمار مبتلا به بیماری بهجت که به مرکز تحقیقات روماتولوژی، بیمارستان شریعتی تهران مراجعه کرده بودند  و 776 شاهد سالم، برای شناسایی اثرات متقابل بین پلی مورفیسم های ژن ERAP1 دخیل در رخداد بیماری بهجت از الگوریتم کاهش بعد چندعاملی استفاده شده است. محاسبات با استفاده از نرم افزار mdr 3.0.2 انجام گرفته است. مدل های حاصل از الگوریتم کاهش ابعاد چند عاملی با دقت متعادل[3] بالای 6/0 دخیل در افزایش ریسک بیماری بهجت تعیین شده اند. الگوریتم کاهش ابعاد چند عاملی توان و سرعت بالایی در محاسبه اثرات متقابل پلی مورفیسم­ها یا جهش­های ژنتیکی و شناسایی اثرات متقابل مهم و معنی­دار دارد.
 
[1] Sparsity
[2] Separation
[3] Balanced accuracy
کلیدواژه‌ها

دوره 26، شماره 1
شهریور 1400
صفحه 89-96

  • تاریخ دریافت 14 اردیبهشت 1404
  • تاریخ اولین انتشار 14 اردیبهشت 1404
  • تاریخ انتشار 01 شهریور 1400