AI Summary & Key Takeaways
AI InsightBu yöntemlere göre ilk 9 temel bileşenin bütün yapının varyansını açıklamaya yeterli olduğu düşünülürse bu durumda %20,79 oranında bir varyans kaybı ile 20 temel bileşen yerine 9 temel bileşen ile açıklamanın yeterli olduğu düşünülmektedir.
📌 3 Key Takeaways
Abstract
Bu çalışmada, farelerin karaciğerleri üzerine belirli zaman periyotlarında uygulanmış olan, toksikolojik çalışmalardan alınan ve cDNA mikrodizi teknolojisi kullanılarak elde edilen 6675 gen ve 20 dizi içeren verilere temel bileşenler analizi uygulanmıştır. cDNA teknolojisi kullanılarak, birbirine benzer ifade profilleri ile gen gruplarının oluşturulması ve gruplar içerisindeki benzer bileşen (component) yükleri vasıtasıyla birbirleriyle ilişkili genlerin tanımlanması açıklanmıştır. Bunun yanı sıra aynı veri kümesine ait korelasyon matrisinden faktörlerin ayrıştırılması ve yorumu hakkında bilgiler verilmiştir. Kullanılan veri seti içinde, bütün veri yapısın izah edebilecek daha az sayıda bileşene indirgemek için temel bileşen sayısına karar verme yöntemlerinden birkaçı değerlendirilmiştir. Bu yöntemlere göre ilk 9 temel bileşenin bütün yapının varyansını açıklamaya yeterli olduğu düşünülürse bu durumda %20,79 oranında bir varyans kaybı ile 20 temel bileşen yerine 9 temel bileşen ile açıklamanın yeterli olduğu düşünülmektedir.
Özet
In this study, principal component analysis has been applied on data comprising of 6675 gene and 20 sequence collected by using cDNA microarray technology from livers of mice used in toxicology studies in certain time periods. Forming of gene groups from similar expression profiles and description of related genes which are implemented by similar component loads among the groups have been explained by using this cDNA technology. Besides that, interpretation and decomposition of factors (components) from correlation matrix which belongs to same data group have been explained. Some of the methods developed for minimizing the data set to fewer components which can explain the whole data structure have been evaluated. According to methods, if we assume that the first 9 eigen values are enough to describe the whole variance, then in this case, it is thought that it is good enough to describe the whole variance by using 9 eigen values with a variance loss of 20,79% instead of describing the whole variance by using 20 eigen values.