fa شناسایی ژن‌های مرتبط با بقا در سرطان کلیه با استفاده از روش مؤلفه‌های اصلی لاسو آمار زیستی Biostatistics پژوهشي Research <p dir="RTL"><strong>زمینه و هدف</strong>: یافتن ژن‌های مرتبط با بقا بر مبنای داده‌های بیان&nbsp;ژن، یک کاربرد مهم داده‌های ریزآرایه می‌باشد. هدف از مطالعه حاضر شناسایی ژن‌های مرتبط با بقای بیماران مبتلا به سرطان متعارف سلول‌های کلیوی با استفاده از داده‌های بیان&nbsp;ژن حاصل از ریزآرایه است.</p> <p dir="RTL"><strong>روش کار</strong>: این مطالعه از نوع تحلیل بقای داده‌های ابعاد&nbsp;بالا است. 177 نمونه بیمار مبتلا به سرطان متعارف سلول‌های کلیوی (<span dir="LTR">conventional Renal Cell Carcinoma: cRCC</span>) و برای هر فرد 14814 ژن مورد بررسی&nbsp;قرارگرفته است. برای تشخیص ژن‌های مرتبط با بقا از روش مؤلفه‌های اصلی لاسو (<span dir="LTR">Lassoed Principal Components: LPC</span>) استفاده شده است که از اطلاعات بیان همه ژن‌ها برای محاسبه امتیاز یک ژن استفاده می‌نماید. در نهایت برای تعیین تعداد ژن‌های معنادار از معیار نرخ تشخیص کاذب (<span dir="LTR">False Discovery Rate: FDR</span>) استفاده&nbsp;شده است. تجزیه و تحلیل آماری با استفاده از نرم‌افزار <span dir="LTR">R</span> انجام شده&nbsp;است.</p> <p dir="RTL"><strong>یافته‌ها</strong>: بر اساس یافته‌های این مطالعه استفاده از نقطه برش 001/0 برای معیار <span dir="LTR">FDR</span> و بررسی 1041 ژن مرتبط با وضعیت بقای بیماران <span dir="LTR">cRCC</span> که به ترتیب اهمیت قدر مطلق امتیازهای <span dir="LTR">LPC</span> بالاتری دارند، امکان بروز کمترین خطا را فراهم آورده است.</p> <p dir="RTL"><strong>نتیجه‌گیری</strong>: در این پژوهش پس از رتبه‌بندی ژن‌ها توسط امتیاز <span dir="LTR">LPC</span> برحسب میزان تغییرات بیان مرتبط با وضعیت بقای بیماران <span dir="LTR">cRCC</span>، 11 ژن از مهم‌ترین ژن‌های مرتبط با بقا شناسایی شدند. امتیازهای <span dir="LTR">LPC</span> این 11 ژن منفی هستند بنابراین با افزایش بیان این ژن‌ها بقای بیماران <span dir="LTR">cRCC</span> افزایش یافته&nbsp;است و به عبارت دیگر افزایش بیان این ژن‌ها فاکتورهای محافظتی این بیماران به&nbsp;شمار&nbsp;می‌آیند<span dir="LTR">.</span></p> <p><strong>Background</strong>: Identification of correlated genes with survival by gene expression data is an important application of microarray data. The purpose of this study is to identify correlated genes with survival of conventional renal cell carcinoma (cRCC) patients based on gene expression profiles.</p> <p><strong>Methods</strong>: This study is a survival analysis with high dimensional covariates and containing 14814 gene expression measurements from 177 patients with cRCC. Lassoed principal components (LPC) method is used for identification associated genes with survival. LPC score uses information of all of gene expressions for computation a gene score. Finally False Discovery Rate (FDR) method is used to identify significant genes. Statistical analysis is done with using the R software.</p> <p><strong>Results</strong>: The lowest error is satisfied with using the cutoff 0.001 for FDR criteria and with studying 1041 related genes with survival of cRCC patients.</p> <p><strong>Conclusion</strong>: 11 genes are identified as most significant genes with survival of cRCC patients, after ranking the genes with their LPC scores with regard to their differentially expressions. The LPC scores of these 11 genes are negative, so increase of these gene expressions are related to increase of the survival of cRCC patients and in the other words the increase of these gene expressions are protective factors in cRCC patients</p> داده ابعاد بالا, ریزآرایه, بیان ژن, تحلیل بقا High dimensional data, Microarray, Gene expression, Survival analysis 45 51 http://rjms.iums.ac.ir/browse.php?a_code=A-10-1-1771&slc_lang=fa&sid=1 Maryam Dehghani مریم السادات دهقانی dehghani_mar@yahoo.com 3900319475328460031032 3900319475328460031032 No MSc of Biostatistics, Tehran University of Medical Sciences, Tehran, Iran دانشجوی کارشناسی ارشد آمار زیستی، دانشکده بهداشت، دانشگاه علوم پزشکی تهران، تهران، ایران Mahmood Reza Gohari محمودرضا گوهری gohar_ma@yahoo.com 3900319475328460031033 3900319475328460031033 Yes Associate professor of Biostatistics, Iran University of Medical Sciences, Tehran, Iran دانشیار، گروه آمارزیستی، دانشکده بهداشت، دانشگاه علوم پزشکی ایران، تهران، ایران Soheila Khodakarim سهیلا خداکریم lkhodakarim@gmail.com 3900319475328460031034 3900319475328460031034 No Assistant Professor of Biostatistics, Shahid Beheshti University of Medical Sciences, Tehran, Iran استادیار، گروه آمار زیستی، دانشکده پیراپزشکی، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران