Bu çalışmada meme kanseri hastalığında etkin rol oynayan genlerin belirlenmesi için veri füzyonu ve genetik algoritma tabanlı yeni bir nitelik seçme metodu önerilmektedir.
📌 3 Maddede Bu Makale
🎯
Amaç & Hipotez:Ciddi rahatsızlıklardan biri olan meme kanserinin erken teşhis edilmesi hastalığın tedavisinde önemli rol oynar.
📊
Temel Bulgular & Veri:Bu çalışmada meme kanseri hastalığında etkin rol oynayan genlerin belirlenmesi için veri füzyonu ve genetik algoritma tabanlı yeni bir nitelik seçme metodu önerilmektedir.
💡
Sonuç & Katkı:Yapılan çalışmada belirlenen 10 gen ile sınıflandırma doğruluk oranı %94,65 elde edilmiştir.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Veri Madenciliği · Nitelik Seçme · Veri Füzyonu
Özet
Ciddi rahatsızlıklardan biri olan meme kanserinin erken teşhis edilmesi hastalığın tedavisinde önemli rol oynar. Bu çalışmada meme kanseri hastalığında etkin rol oynayan genlerin belirlenmesi için veri füzyonu ve genetik algoritma tabanlı yeni bir nitelik seçme metodu önerilmektedir. Yapılan çalışma iki aşamadan oluşmaktadır: İlk aşamada filtreleme yöntemi ile gen ifade verisi indirgenmiş, ikinci aşamada genetik algoritma ile meme kanserinde etkin rol alan genlerin tespiti gerçekleştirilmiştir. Destek vektör makinesi, genetik algoritma için uygunluk fonksiyonu olarak kullanılmıştır. Yapılan çalışmada belirlenen 10 gen ile sınıflandırma doğruluk oranı %94,65 elde edilmiştir.
YILDIZ, O., TEZ, M., BİLGE, H. Ş., AKCAYOL, M. A., GÜLER, İ. (2013). MEME KANSERİ SINIFLANDIRMASI İÇİN VERİ FÜZYONU VE GENETİK ALGORİTMA TABANLI GEN SEÇİMİ. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, Cilt: 27 - Sayı: 3, 0. https://ajindex.com/articles/20570
Segal, E.,Wang, H. ve Koller, D., “Discovering Molecular Pathways From Protein Interaction And Gene Expression Data”, Bioinformatics, Cilt 19, 264-272, 2003.
Hedenfalk, I., Duggan, D., Chen, Y., Radmacher, M., Bittner, M., Simon, R., Meltzer, P., Gusterson, B., Esteller, M., Kallioniemi, O.P., Wilfond, B., Borg, A., Trent, J., “Gene-Expression Profiles in Hereditary Breast Cancer”, The New England Journal of Medicine, Cilt 344, 539-548, 2001. van de Vijver, M.J, He, Y.D., van't Veer, L.J., Dai, H., Hart, A.A., Voskuil, D.W., Schreiber, G.J., Peterse, J.L., Roberts, C., Marton, M.J., Parrish, M., Atsma, D., Witteveen, A., Glas, A., Delahaye, L., van der Velde, T., Bartelink, H., Rodenhuis, S., Rutgers, E.T., Friend, S.H., Bernards, R., “A Gene-Expression Signature As A Predictor Of Survival In Breast Cancer”, The New England Journal of Medicine, Cilt 347, 1999-2009, 2002.
Peng, Y., Wu, Z., Jiang, J., “A Novel Feature Selection Approach For Biomedical Data Classification”, Journal of Biomedical Informatics, Cilt 43, 15-23, 2010.
Alon, U., Barkai, N., Notterman, D. A., Gish, K., Ybarra, S., Mack, D. ve Levine, A. J., “Broad Patterns Of Gene Expression Revealed By Clustering Analysis Of Tumor And Normal Colon Tissues Probed By Oligonucleotide Arrays”, Cell Biology, Cilt 96, 6745-6750, 1999.
Dudoit, S., Fridlyand, J ve Speed, T., P., “Comparison of Discrimination Methods for the Classification of Tumors Using Gene Expression Data”, American Statistical Association, Cilt 97, 77-87, 2002.
Horng, J.T., Wub, L.C., Liu, B.J., Kuo, J.L., Kuo, W.H., Zhang, J.J., "An Expert System To Classify Microarray Gene Expression Data Using Gene Selection By Decision Tree", Expert Systems with Applications, Cilt 36, 9072-9081, 2009.
Wang, Y., Tetko, I.V., Hall, M.A., Frank, E., Facius, A., Mayer, K., Mewes, H., “Gene Selection From Microarray Data For Cancer Classification-A Machine Learning Approach”, Computational Biology and Chemistry, Cilt 29, 37-46, 2005.
Uriarte, R., D. ve Andrés, S.,A., “Gene Selection And Classification Of Microarray Data Using Random Forest”, BMC Bioinformatics, Cilt 7, 1-13, 2006.
Li, L., Jiang, W., Li, X., Moser, K.L., Guo, Z., Du, L., Wang, Q., Topol, E., Wang, Q., Rao, S., “A Robust Hybrid Between Genetic Algorithm And Support Vector Machine For Extracting An Optimal Feature Gene Subset”, Genomics, Cilt 85, 16-23, 2005.
Antonov, A.V., Tetko, I.V., Kosykh, D., Surmeli, D., Mewes, H.W., “Exploiting Scale-Free Information From Expression Data For Cancer