بررسي پروفايل بياني پلاكت‌هاي آموزش‌ديدۀ توموري به عنوان نشانگر زيستي براي پيش‌آگهي و تشخيص سرطان

به اين دليل كه بيوپسي مايع نسبت به بيوپسي بافتي ايمن‌تر و كم‌تهاجمي‌تر است، در سال‌هاي گذشته بررسي زيست‌نشانگر‌هاي موجود در آن براي پيش‌آگهي و تشخيص زود‌هنگام سرطان حائز اهميت شده‌است. بررسي تغيير پروفايل بياني پلاكت‌هاي آموزش‌ديدۀ توموري موجود در بيوپسي مايع مي‌تواند به عنوان يكي از زيست‌نشانگرها مورد استفاده قرار‌گيرد. استفاده از مدل‌هاي يادگيري ماشين دسته‌بندي با توجه به فضاي ويژگي بر‌گرفته از داده‌هاي بياني اين پلاكت‌ها، توانايي پيش‌آگهي و تشخيص زود‌هنگام سرطان را به ما داده است. در اين پژوهش ميزان صحت و خطاي هفت مدل دسته‌بندي در دو حالت دو‌دسته براي تشخيص نمونه‌هاي سالم و سرطاني و چند‌دسته براي تشخيص نمونه‌هاي سالم و انواع سرطان‌ها از يكديگر مورد ارزيابي قرار‌گرفتند. اين مدل‌ها روي پروفايل بياني 2000 ژن ‌پلاكت هاي آموزش ديده توموري مربوط به بيماراني با سرطان‌هاي سينه، كبد، روده، مغز، پانكراس و ريه و همينطور پروفايل بياني اين ژن‌ها در 55 فرد سالم بررسي شدند. داده هاي مورد استفاده سري GSE68086 هستند كه از پايگاه داده GEO دانلود شدند. همچنين روي اين ژن‌ها با روش preranked GSEA تجزيه‌و‌تحليل غني‌سازي مسير صورت گرفت. نتايج نشان داد مدل ماشين بردارهاي پشتيبان با كرنل خطي و غير خطي از بين مدل‌هاي دو‌دسته با ميانگين خطاي 0.05 و مدل ماشين بردارهاي پشتيبان خطي از بين مدل‌هاي چند‌دسته با ميانگين خطاي 0.33 نرخ خطاي كمتري دارند. به طور‌كلي نتايج حاصل دسته‌بندي پروفايل بياني ‌پلاكت هاي آموزش ديده توموري و تجزيه‌و‌تحليل غني‌سازي مسيرنشان‌دهندۀ اين است كه پروفايل بياني ‌پلاكت هاي آموزش ديده توموري را مي‌توان به عنوان كانديد نشانگر زيستي در‌‌نظر‌گرفت.