ISSN: 2169-0111
Ji-Gang Zhang, Jian Li, Wenlong Tang et Hong-Wen Deng
Il est généralement observé qu'il existe de fortes interactions statistiques entre les gènes associées à des maladies importantes pour la santé publique. Les interactions entre gènes peuvent potentiellement contribuer à l'amélioration de la précision de la classification des maladies. En particulier lorsque les différences d'expression des gènes entre les différentes classes ne sont pas suffisamment importantes, il est plus important d'utiliser les interactions entre gènes pour les analyses de classification des maladies. Cependant, la plupart des algorithmes de sélection des gènes dans les analyses de classification se concentrent uniquement sur les gènes dont les niveaux d'expression présentent des différences entre les classes et ignorent les informations discriminantes issues des interactions entre gènes. Dans cette étude, nous développons un algorithme en deux étapes qui peut prendre en compte l'interaction entre gènes lors d'une procédure de sélection des gènes. Son plus grand avantage est qu'il peut tirer parti des
informations discriminantes issues des interactions entre gènes ainsi que des différences d'expression des gènes, en utilisant « l'erreur de Bayes » comme critère de sélection des gènes. En utilisant des ensembles de données de microarray simulés et réels, nous démontrons la capacité des interactions entre gènes à améliorer la précision de la classification et montrons que l'algorithme proposé peut produire de petits ensembles informatifs de gènes tout en conduisant à des résultats de classification très précis. Ainsi, notre étude peut donner une nouvelle perspective aux futurs algorithmes de sélection des gènes pour la discrimination des maladies humaines.