16725

16725

پايش شبكه‌هاي بيولوژيكي با رويكرد آماري

كارشناسي ارشد

مهندسي سيستم‌هاي اقتصادي اجتماعي

دي 1395

دكتر رسول نورالسناء

دكتر محمد سعيدي مهرآباد

صنايع

بحث پايش داده‌هاي گرافي يكي از زمينه‌هاي نوين تحقيقاتي در حوزه مهندسي كيفيت است كه در سال‌هاي اخير بسيار مورد توجه قرار گرفته است. هر يك از انواع شبكه‌هاي اجتماعي، اطلاعاتي، تكنولوژيكي و بيولوژيكي با استفاده از مجموعه اي از داده‌هاي گرافي جمع آوري مي‌شوند كه در آن اعضا نقش رئوس را بازي مي‌كنند و هر جفت از اين رئوس در هر يك از اين شبكه‌ها مي‌توانند بر اساس علاقه‌مندي‌ها، تمايلات، اهداف و منافع خود روابط خود با ساير اعضاي شبكه را شكل دهند. در اين راستا حوزه تجزيه و تحليل شبكه به منظور تشخيص ناهنجاري‌هاي شبكه، موضوع مهمي است كه مي‌تواند سازمان‌ها و يا هر مجموعه‌اي كه شامل يك شبكه ارتباطي از اعضا است را هدايت نمايد. در اين پژوهش، با توجه به اهميت شبكه‌هاي بيولوژيكي سيستم‌هاي زنده در سطح مولكولي، به بررسي شبكه برهمكنش پروتئين‌-پروتئين در طول روند توليد سلول‌هاي سرطاني پرداخته شد. بدين ترتيب شبكه برهمكنش پروتئين-پروتئين سرطان استخوان را با بكارگيري مدل آماري گراف تصادفي نمايي مدل‌سازي كرديم كه در آن پروتئين‌ها بيانگر رئوس گراف و ارتباط فيزيكي ما‌ بين پروتئين‌ها نشان دهنده يال‌هاي گراف مي‌باشند. سپس با در نظر گرفتن روند شكل‌گيري شبكه برهمكنش پروتئين‌‌ها با يكديگر بمثابه يك فرآيند در حين توليد، با استفاده از روش آزمون نسبت درستنمايي به منظور تشخيص رفتارهاي خارج از كنترل شبكه، پايش آن در طول زمان انجام شد. نتايج حاصل از شبيه سازي حاكي از آن است كه رويكرد پيشنهادي از عملكرد رضايت بخشي در تشخيص بيماري سرطان استخوان برخوردار است.

1395/12/03

1/1/1900 12:00:00 AM

Graph data monitoring discussion which has been regarded in recent years represents a novel area of research in the field of quality engineering. Complex networks such as social network, information network, technological network, an​d biological network are collected using graph data in which entities play the role of nodes an​d edges are formed between each pair of nodes according to their interests, tendencies, purposes, an​d benefits. Network analysis has led to detect network anomalies which also can effectively help an organization o​r any set that includes a network of members an​d interactions. In this research, given the importance of biological networks in living systems at the molecular level, a network of protein-protein interactions was studied during the cancerous cells progression. Thus, the protein-protein interaction networks during cancer condition in bone was modeled by exponentially random graph model in which we summarized each network data in the form of graphs, with proteins as nodes an​d interactions as edges. Then, by considering the interactions in protein interactions network as a process over time, we applied the likelihood ratio test to detect out-of-control state. Simulation result shows that proposed method has a satisfactory performance in the early detection of bone cancer.