معرفي ژن grap به‌عنوان ژن نامزد عامل آلزايمر با استفاده از تحليل داده‌هاي ريزآرايه

Introduction of GRAP Gene as Alzheimer’s Disease Candidate Gene Using Microarray Data Analysis

اهداف: شناسايي ژن هاي دخيل در بروز يك بيماري، يكي از حوزه هاي مهم تحقيقات پزشكي است كه به تشخيص مكانيزم بيماري و در پي آن تشخيص به موقع و درمان بهتر بيماري كمك مي كند. در سال هاي اخير فناوري ريزآرايه به دانشمندان علوم زيستي براي فهم فرآيندهاي سلولي كمك شاياني كرده است. بدين منظور استفاده از روش هاي كارآمد در تحليل داده هاي ريزآرايه بسيار كليدي است. هدف مطالعه حاضر معرفي ژن grap به عنوان ژن نامزد عامل آلزايمر با استفاده از تحليل داده هاي ريزآرايه بود.مواد و روش ها: در مطالعه بيوانفورماتيكي حاضر كه روي يك مجموعه داده ريزآرايه مربوط به آلزايمر شامل 12990 ژن، 15 فرد بيمار و 16 فرد سالم صورت گرفت، با تركيب روش هاي فيشر، تجزيه و تحليل اهميت ميكروآرايه (sam) و الگوريتم بهينه سازي ازدحام ذرات (pso) و با استفاده از روش طبقه بندي و رگرسيون مبتني بر درخت تصميم (cart)، روش جديدي به منظور تحليل داده هاي بيان ژن ريزآرايه، براي شناسايي ژن هاي دخيل در بروز آلزايمر ارايه شد.يافته ها: سطح دقت مدل به دست آمده 90/32% بود و ارزيابي نتايج از ديدگاه زيستي نشان داد كه روش پيشنهادي موفق عمل كرده و در نهايت 4 ژن ارايه كرده است كه 3 ژن از اين 4 ژن (75%)، تاكنون به عنوان ژن هاي دخيل در آلزايمر در منابع زيستي معتبر گزارش شده اند.نتيجه گيري: اين مطالعه علاوه بر ارايه يك روش انتخاب ويژگي جديد و تلفيقي براي تحليل داده هاي ريز آرايه، يك ژن جديد (grap) به عنوان ژن نامزد مرتبط با آلزايمر معرفي كرده است.

Aims One of the most important areas in medical research is the identification of diseasecausing genes, which helps the identification of mechanisms underlying disease and as a result helps the early diagnosis of disease and the better treatment. In recent years, microarray technology has assisted biologists to gain a better understanding of cellular processes. To this end, the application of efficient methods in microarray data analysis is very important. The aim of this study was the introduction of GRAP Gene as Alzheimer’s disease candidate gene using microarray data analysis. Materials & Methods In the present bioinformatic study, which was conducted on an Alzheimer’s microarray data set containing 12990 genes, 15 patients, and 16 healthy subjects, by combining Fisher, Significance Analysis of Microarray (SAM), and Particle Swarm Optimization (PSO) methods as well as Classification and Regression Tree (CART), a new method was presented for analyzing microarray gene expression data to identify genes involved in Alzheimer’s incidence. Findings The accuracy level of the proposed method was 90.32% and the interpretation of the results from a biological point of view indicated that the proposed method has worked well; finally, the proposed method introduced 4 genes, of which, until now, 3 genes (75%) have been reported in biological studies as genes that cause Alzheimer’s disease. Conclusion In addition to proposing a new feature selection method for the analysis of microarray data, this study has introduced a new gene (GRAP) as a candidate gene related to Alzheimer’s disease