An information-theoretic approach to pattern recognition and its application in life science

การรู้จำแบบเชิงทฤษฎีสารสนเทศและการประยุกต์ในวิทยาศาสตร์ชีวิต

Name: Theera Piroonratana

ThaSH: MEDICAL SCREENING.

ThaSH: PATTERN RECOGNITION SYSTEMS.

ThaSH: THALASSEMIA -- DIAGNOSIS.

Abstract: This thesis interests in two life science problems that can be tackled using information-theoretic approaches for pattern recognition. The first problem covers the identification of ancestry informative markers (AIMs) from genome-wide single nucleotide polymorphisms (SNPs). A protocol for AIM extraction is proposed. The protocol consists of three main steps: (a) identification of potential positive selection regions via FST extremity measurement, (b) SNP screening via two-stage attribute selection and (c) classification model construction using a naïve Bayes classifier. The two-stage attribute selection is composed of a newly developed round robin symmetrical uncertainty ranking technique and a wrapper embedded with a naïve Bayes classifier. The protocol has been applied to the HapMap Phase II data. Two AIM panels, which consist of 10 and 16 SNPs that lead to complete classification between CEU, CHB, JPT and YRI populations, are identified. Moreover, the panels are at least four times smaller than those reported in previous studies. The results suggest that the protocol could be useful in a scenario involving a larger number of populations. The second problem involves the application of a neural network and decision trees in thalassaemia screening. The aim is to classify thirteen classes of thalassaemia abnormality and one control class by inspecting the distribution of multiple types of haemoglobin in blood specimens, which are identified via high performance liquid chromatography (HPLC). C4.5 and random forests are the chosen architecture for decision tree implementation. For comparison, multilayer perceptrons are explored in classification via a neural network. The stratified 10-fold crossvalidation results indicate that the best classification performance is achieved when C4.5 is used in conjunction with samples which have been pre-processed with input attribute discretisation and redundant attribute removal. Subsequently, C4.5 is applied to an additional sample set in a clinical trial which results in acceptably high classification accuracy. These results suggest that a combination of C4.5 with haemoglobin typing analysis via HPLC may give rise to a guideline for further investigation of thalassaemia classification.

Abstract: วิทยานิพนธ์ฉบับนี้ให้ความสนใจปัญหาวิทยาศาสตร์ชีวิตซึ่งสามารถแก้โดยใช้การรู้จำ แบบรูปเชิงทฤษฎีสารสนเทศทั้งหมดสองปัญหา ปัญหาที่หนึ่งครอบคลุมการคัดกรอง เครื่องหมายพันธุกรรมจำเพาะบรรพบุรุษจากภาวะพหุสัณฐานนิวคลีโอไทด์เดี่ยว (สนิป) ระดับจี โนม เกณฑ์ทีใช้ประกอบด้วยสามขั้นตอนคือ (ก) การระบุบริเวณซึ่งมีแนวโน้มการคัดเลือกบวก ด้วยวิธีการหาค่าสุดขีด FST (ข) การคัดกรองสนิปด้วยการคัดเลือกลักษณะประจำสองระยะและ (ค) การสร้างแบบจำลองการจำแนกโดยใช้ตัวจำแนกแบบเบย์สามัญ การคัดเลือกลักษณะประจำ สองระยะประกอบด้วยเทคนิควนรอบการจัดลำดับความไม่แน่นอนแบบสมมาตรที่ได้รับการ พัฒนาขึ้นใหม่ และตัวห่อซึ่งฝังตัวด้วยตัวจำแนกแบบเบย์สามัญ เกณฑ์นี้ได้นำไปใช้กับข้อมูล HapMap Phase II ได้ผลลัพธ์เป็นแผงเครื่องหมายพันธุกรรมจำเพาะบรรพบุรุษสองแผงที่ ประกอบด้วยสนิปจำนวน 10 และ 16 สนิป ซึ่ง นำไปสู่การจำแนกระหว่างประชากร CEU, CHB, JPT และ YRI อย่างสมบูรณ์ ยิ่งกว่านั้น แผงดังกล่าวยังมีขนาดเล็กกว่าเป็นสัดส่วนอย่างน้อยสี่ เท่าของขนาดแผงเครื่องหมายพันธุกรรมจำเพาะบรรพบุรุษที่มีการรายงานในการศึกษาก่อน หน้านี้ จากผลลัพธ์ที่ได้แสดงให้เห็นว่าเกณฑ์ที่นำเสนอสามารถใช้กับปัญหาซึ่งประกอบด้วย ประชากรหลายประชากร ปัญหาที่สองเกี่ยวพันกับการประยุกต์ข่ายงานระบบประสาทและต้นไม้ตัดสินใจในการ คัดกรองโรคธาลัสซีเมีย จุดมุ่งหมายคือการจำแนกความผิดปกติของโรคธาลัสซีเมียสิบสามกลุ่ม และกลุ่มควบคุมหนึ่งกลุ่มโดยการตรวจดูการแจกแจงของฮีโมโกลบินชนิดต่างๆ ในตัวอย่าง เลือดซึ่งระบุได้ด้วยเครื่องโครมาโทกราฟีของเหลวสมรรถนะสูง C4.5 และเทคนิคป่าสุ่มคือ สถาปัตยกรรมทีถูกเลือกสำหรับการสร้างต้นไม้การตัดสินใจ ในขณะที่มัลติเลเยอร์เพอร์เซ็บตรอ นคือสถาปัตยกรรมที่ถูกเลือกสำหรับการสร้างข่ายงานระบบประสาท ผลลัพธ์จากการตรวจสอบความสมเหตุสมผลแบบไขว้เป็นชัน􀃊 10 ชันชี้ให้เห็นว่าได้ประสิทธิภาพการจำแนกดีที่สุดเมื่อนำ C4.5 ไปใช้กับตัวอย่างที่ลักษณะประจำผ่านกระบวนการทำให้เป็นข้อมูลและกำจัดความ ซ้ำซ้อนของลักษณะประจำ จากนั้น C4.5 ถูกประยุกต์กับตัวอย่างเพิ่มเติมจากการทดลองที คลินิก ซึ่งผลลัพธ์ที่ได้มีความถูกต้องของการจำแนกในเกณฑ์ยอมรับได้อย่างสูง ผลลัพธ์ ดังกล่าวยืนยันว่าการรวมกันของ C4.5 กับการวิเคราะห์ชนิดฮีโมโกลบินดัวยเครื่องโครมาโทก ราฟีของเหลวสมรรถนะสูงสามารถให้แนวทางการคัดกรองโรคธาลัสซีเมีย

King Mongkut's University of Technology North Bangkok. Central Library

Address: Bangkok

Email: library@kmutnb.ac.th

Name: Nachol Chaiyaratana

Role: Thesis advisors

Email : nchl@kmutnb.ac.th

Created: 2010

Modified: 2567-09-11

Issued: 2011-10-03

วิทยานิพนธ์/Thesis

application/pdf

eng

Level: Doctoral Degree

Descipline: Electrical Engineering

Grantor: King Mongkut's University of Technology North Bangkok

DegreeName: Doctor of Philosophy

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	B15378986.pdf	2.1 MB

ใช้เวลา

0.019966 วินาที