Years
2016
Categories
Authors
ARTICLES
Original Article
Classification of Schizophrenia and Bipolar Disorder by Using Machine Learning Algorithms
Turkish Title : Bipolar Bozukluk veŞizofreni Hastalığının Makine Öğrenmesi Algoritmaları Kullanılarak Sınıflandırılması
Cemil Can Saylan,Kaan Yılancıoğlu
JNBS, 2016, 3(3), p:92-95
Data mining based investigations of disease mediating factors and related potential diagnostic biomarkers using genomic information obtained from gene expression analysis tools become very informative and useful. In the present study, public Gene Expression Omnibus (GEO) genome wide expression dataset (ID: GSE12654) consisting of schizophrenia, bipolar disorders patients besides normal groups were analyzed by using different classification algorithms including kNN, naïve bayes and decision tree. A set of most differentially expressed genetic features (p
Gen ifadesi çalışmaları sonucunda elde edilen genomik bilgiler, data madenciliği temelli çalışmalarda, hastalık oluşturucu faktörlerin ve bu hastalıklar ile ilişkili potansiyel teşhis biomarkörlerinin bulunması açısından oldukça kullanışlı ve bilgi vericidir. Bu çalışmada, Gene Expression Omnibus (GEO) veri bankasından alınmış, tüm genom ekspresyon verisi (ID: GSE12654) kulllanılmıştır. Veri normal grupların yanısıra, bipolar ve şizofreni hastalarının gen ifadesi bilgisini içermektedir. kNN, naïve bayes ve decision tree bilgisayarlı öğrenme algoritmaları kullanılarak veri analizi gerçekleştirilmiştir. Gruplar arasında istatistiksel olarak anlamlı bir şekilde (p<0.05) farklı eksprese olmuş bir grup gen kullanılarak klasifikasyon yapılmıştır ve gruplar yüksek doğruluk oranında tahmin edilmiştir. Genom tabanlı teşhiş biyomarkörlerinin bulunması açısından, veri madenciliği tekniklerinin yararlı ve uygulanabilir olduğu görülmektedir.
| ISSN (Print) | 2149-1909 |
| ISSN (Online) | 2148-4325 |
2020 Ağustos ayından itibaren yalnızca İngilizce yayın kabul edilmektedir.