Development of a New Supervised Principal Component Analysis Based on Artificial Neural Networks in Gene Expression Data

Authors : Mevlüt TÜRE, İmran KURT ÖMÜRLÜ

Pages : 20-27

Doi:10.20515/otd.371882

View : 18 | Download : 10

Publication Date : 2018-02-22

Article Type : Research Paper

Abstract :Bu çalışmada, denetimli temel bileşenler analizi insert ignore into journalissuearticles values(D-TBA); ile yeni bir yaklaşım olarak önerilen yapay sinir ağlarıyla denetimli temel bileşenler analizi insert ignore into journalissuearticles values(D-YSA-TBA); kullanılarak çok boyutlu gen ekspresyon verilerinin boyutunun indirgenmesi ve random survival forests insert ignore into journalissuearticles values(RSF); analizi kullanılarak performansların karşılaştırılması amaçlandı. Simülasyon uygulamasında çok değişkenli normal dağılımdan 100 birim için 5000 gen ve bu gen verisi ile ilişkili yaşam süresi verisi türetildi. Simülasyon aşaması 1000 tekrarlı olarak gerçekleştirildi. Ayrıca yaygın B-hücreli lenfoma insert ignore into journalissuearticles values(DLBCL); hastası 240 bireye ilişkin gen ekspresyon verileri kullanıldı. Önemli genlerin seçiminde Wald istatistiği kullanılarak boyut indirgemesi yapıldı. Yöntemlerden elde edilen yeni veri setleri RSF analizi kullanılarak analiz edildi. Simülasyon uygulamasında D-TBA ve D-YSA-TBAyöntemlerinin açıklayıcılıkları arasında anlamlı bir fark olduğu görülmüştür insert ignore into journalissuearticles values(p<0.001);. DLBCL verisi ile yapılan uygulamada D-TBA yönteminin hatasının %36.78, D-YSA-TBA yönteminin ise RSF sonucu-  %43 olduğu bulunmuştur. D-TBA yönteminin önem değeri diğer yöntemden daha büyük, hatası ise daha düşük çıkmıştır. Çok boyutluluk problemi yaşanan gen ekspresyon verilerinin analizinde D-TBA, D-YSA-TBA’ya göre daha iyi performans göstermiştir. 
Keywords : Boyut indirgeme, yapay sinir ağları, denetimli temel bileşenler analizi, random survival forests, gen ekspresyon