تنظيم و كاربرد الگوريتم جنگل تصادفي در ارزيابي ژنومي

يكي از مباحث مهم در انتخاب ژنومي، استفاده از روشي مناسب براي برآورد اثر نشانگرها و ارزيابي ژنومي است. اخيراً روش­هاي يادگيري ماشين1 كه جزو روش­هاي ناپارامتري غيرخطي هستند وارد ارزيابي ژنومي شده­اند. يكي از اين روش­ها الگوريتم جنگل تصادفي2 است كه اين تحقيق روي نحوه تنظيم اين روش متمركز شده است. پارامترهاي مهم در الگوريتم جنگل تصادفي به ترتيب اهميت، تعداد متغير انتخاب شده در هر گره درخت3، تعداد درخت4 و حداقل اندازه گره­هاي پاياني5 مي­باشند كه بهتر است براي آنها مقدار مناسبي تعيين شود و در اصطلاح مدل براي اين پارامترها تنظيم6 شود. ژنومي 5 كروموزومي متشكل از 10000 نشانگر تك نوكلئوتيدي دوآللي7 هريك به طول يك مورگان شبيه­سازي شد و در ادامه، كارايي تركيبات مختلف از تعداد متغير انتخاب شده در هر گره درخت، تعداد درخت و حداقل اندازه گره­هاي پاياني در قالب جمعيت شبيه­سازي شده مورد آزمون قرار گرفته و بهترين تركيب بر اساس پارامتر خطاي خارج از كيسه8 انتخاب و براي تجزيه و تحليل اطلاعات مورد استفاده قرار گرفت. براي داده­هاي شبيه­سازي شده در اين مطالعه، كمترين مقدار خطاي خارج از كيسه و هم­چنين حداكثر صحت پيش­بيني ارزش­هاي اصلاحي ژنومي مربوط به مدلي با تعداد متغير انتخاب در هر گره درخت برابر 6000، تعداد درخت برابر 1000 و حداقل اندازه گره­هاي پاياني برابر 5 بود. بقيه تركيبات از اين سه پارامتر نه تنها منجر به افزايش صحت پيش­بيني نشدند بلكه در آن­هايي كه از تعداد بيشتري درخت استفاده شده بود، مدت زمان لازم براي انجام محاسبات نيز افزايش يافت. با توجه به اين­كه صحت پيش­بيني الگوريتم جنگل تصادفي تابعي از تعداد متغير انتخاب شده در هر گره درخت، تعداد درخت و حداقل اندازه گره­هاي پاياني است، لازم است تركيبات مختلفي از اين پارامترها مورد استفاده قرار گيرد و تركيب بهينه با حداكثر عملكرد پيش­بيني انتخاب شده و براي ارزيابي ژنومي استفاده شود.