Çok amaçlı genetik algoritma kullanarak DNA mikrodizi verilerinin kümelenmesi

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.