ÇOK AMAÇLI GENETİK ALGORİTMA KULLANARAK DNA MİKRODİZİ VERİLERİNİN KÜMELENMESİ

Abstract

DNA mikrodizi teknolojisi, önemli biyolojik süreçlerdeki binlerce gen ifadesi seviyelerinin aynı anda izlenmesini olanaklı kılar. Gen ifadesi verilerinde saklı örüntüleri açıklama fonksiyonel genomu anlama için muazzam bir fırsat sunar. Bununla birlikte, biyolojik ağların karmaşıklığı ve çok büyük miktarlardaki genler, oluşan veriyi anlama ve yorumlamada bazı problemleri de beraberinde getirir. Bu problemlerin çözümü için sunulan bir alternatif, kümeleme tekniklerinin kullanılmasıdır. Kümeleme, mevcut verideki ilginç örüntüleri tanımlama ve doğal yapıları açığa çıkarmak için kullanılan veri madenciliği yöntemlerinden biridir. Kümeleme analizi verilen bir veri kümesini belirlenmiş özelliklere göre gruplara parçalama çabasıdır. Böylece bir grup içindeki veri noktaları, farklı gruptaki noktalara göre birbirine daha çok benzerdir.Kümeleme algoritmalarında küme sayıları genellikle önceden verilir. Fakat bir veri kümesi için uygun küme sayısının önceden tahmin edilmesi alanın uzmanı için zor bir işlemdir. Bu tez çalışmasında bu problemin üstesinden gelebilmek için çok-amaçlı genetik algoritma tabanlı bir kümeleme yöntemi önerilmiştir. Yöntem k-means kümeleme algoritmasıyla çok-amaçlı genetik algoritma sürecini birleştirir. Leukemia, Lymphoma ve Kolon kanseri veritabanlarına uygulanan yöntemin sonuçları literatürde çokça kullanılan Dunn, Davies Bouldien, Silhoutte, C, SD ve S-Dbw küme geçerlilik indeksleriyle karşılaştırılmış ve yüksek doğruluk oranlı etkin çözümler verdiğini göstermiştir.DNA microarray technology has now made it possible to simultaneously monitor the expression levels of thousands of genes during important biological processes. Elucidating the patterns hidden in gene expression data offers a tremendous opportunity for an enhanced understanding of functional genomics. However, the large number of genes and the complexity of biological networks greatly increase the challenges of comprehending and interpreting the resulting mass of data. A first step toward addressing this challenge is the use of clustering data. Cluster analysis seeks to partition given data set into groups based on specified features so that the data points within a group are more similar to each other than the points in different groups.Clustering algorithms in general need the number of clusters as a priori, which is mostly hard for domain expert to estimate. In this thesis, in order to overcome this problem, a multi-objective genetic algorithm based method is proposed. The method combines the K-means clustering algorithm with multi-objective genetic algorithm process. The experimental results conducted on Leukemia, Lymphoma and Colon cancer databases have been compared to Dunn, Davies Bouldien, Silhoutte, C, SD ve S-Dbw cluster validation indexes which are widely used in the literature. So, we demonstrate the applicability and effectiveness of the proposed clustering approach.