Year 2017, Volume 21, Issue 1, Pages 54 - 62 2017-02-01

Karaciğer Mikroarray Kanser Verisinin Sınıflandırılması için Genetik Algoritma Kullanarak ANFIS’in eğitilmesi
Training ANFIS structure using genetic algorithm for liver cancer classification based on microarray gene expression data

Bülent Haznedar [1] , Mustafa Turan Arslan [2] , Adem Kalınlı [3]

736 1682

 Sınıflandırma, verilerin analiz edilmesi için önemli bir veri madenciliği tekniği olup tıp, genetik ve biyomedikal mühendisliği başta olmak üzere birçok alanda kullanılmaktadır. Özelikle tıp alanında DNA mikroarray gen ekspresyon verilerini sınıflandırmaya yönelik yapılan çalışmalarda artış görülmektedir. Ancak, mikroarray gen ekspresyon (ifade) verilerinde bulunan gen sayılarının çokluğu ve bu veriler arasında çoğunlukla doğrusal olmayan ilişkiler bulunması gibi nedenlerden dolayı geleneksel sınıflandırma algoritmalarının başarımları sınırlı kalabilmektedir. Bu sebeplerden dolayı son yıllarda sınıflandırma probleminin çözümü için yapay zekâ tekniklerine dayalı sınıflandırma yöntemlerine olan ilgi giderek artmaya başlamıştır. Bu çalışmada, karaciğer mikroarray kanser veri setinin sınıflandırılması için Adaptif Ağ Tabanlı Bulanık Mantık Çıkarım Sistemi (ANFIS) ve Genetik Algoritmaya (GA) dayalı hibrid bir yaklaşım önerilmiştir. Simülasyon sonuçları, diğer bazı yöntemlere ait sonuçlarla karşılaştırılmıştır. Elde edilen sonuçlardan, önerilen yöntemin diğer yöntemlere göre daha başarılı olduğu görülmüştür.

Classification is an important data mining technique, which is used in many fields mostly exemplified as medicine,
genetics and biomedical engineering. The number of studies about classification of the datum on DNA microarray
gene expression is specifically increased in recent years. However, because of the reasons as the abundance of gene
numbers in the datum as microarray gene expressions and the nonlinear relations mostly across those datum, the
success of conventional classification algorithms can be limited. Because of these reasons, the interest on classification
methods which are based on artificial intelligence to solve the problem on classification has been gradually increased
in recent times. In this study, a hybrid approach which is based on Adaptive Neuro-Fuzzy Inference System (ANFIS)
and Genetic Algorithm (GA) are suggested in order to classify liver microarray cancer data set. Simulation results are
compared with the results of other methods. According to the results obtained, it is seen that the recommended method
is better than the other methods.


  • 1. S. G. Özcan, “Bütünleştirici Modül Ağlarıyla Gen Düzenleme Analizi”, Başkent Üniversitesi, Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, Ankara, 62 s, 2014.
  • 2. H. Ü. Lüleyap, “Moleküler Genetiğin Esasları”, Nobel Kitabevi, 437 s, 2008.
  • 3. S. H. Bal, F. Budak, “Mikroarray teknolojisi”, Uludağ Üniversitesi Tıp Fakültesi Dergisi, vol. 38, no. 3, pp. 227-233, 2012.
  • 4. D. F. Atat, U. Supplement, E. K. Derleme, M. Kodu, and K. Tarihi, “Mikroarray Teknolojisi ve Diş Hekimliği’nde Kullanımı Dt. Özge ŞİMŞEK*,” pp. 55–62, 2012.
  • 5. Shakya, K., Ruskin, H. J., Kerr, G., Crane, M., Becker, J., “Comparison of microarray preprocessing methods”, In Advances in Computational Biology, Springer New York, pp. 139-147, 2010.
  • 6. İpekdal, K., Microarray teknolojisi. (Web sayfası: http:// yunus.hacettepe.edu.tr /~mergen/sunu/s_mikroarrayandecology.pdf) (Erişim Tarihi: Nisan 2015)
  • 7. H. Liu, I. Bebu, and X. Li, “Microarray probes and probe sets.,” Front. Biosci. (Elite Ed)., vol. 2, pp. 325–38, 2010.
  • 8. M. Pirooznia, J. Y. Yang, M. Q. M. Yang, and Y. Deng, “A comparative study of different machine learning methods on microarray gene expression data.,” BMC Genomics, vol. 9 Suppl 1, p. S13, 2008.
  • 9. C. Loganathan and D. Ph, “Cancer Classification using Adaptive Neuro Fuzzy Inference System with Runge Kutta Learning,” vol. 79, no. October, pp. 46–50, 2013.
  • 10. K. Anandakumar and M. P. -, “Efficient Cancer Classification using Fast Adaptive Neuro-Fuzzy Inference System (FANFIS) based on Statistical Techniques,” Int. J. Adv. Comput. Sci. Appl., vol. 1, no. 3, pp. 132–137, 2011.
  • 11. D. Simon, “Training fuzzy systems with the extended Kalman filter,” Fuzzy Sets Syst., vol. 132, no. 2, pp. 189–199, 2002.
  • 12. M. a. Hall and L. a. Smith, “Practical feature subset selection for machine learning,” Comput. Sci., vol. 98, pp. 181–191, 1998.
  • 13. Jang, J. S. R., “ANFIS: Adaptive network-based fuzzy inference systems”, IEEE Trans. Syst., Man. and Cybern, Cilt 23, 665-685, 1993.
  • 14. D. Karaboga, E. Kaya, Training ANFIS using artificial bee colony algorithm for nonlinear dynamic system identification, in: IEEE 22nd Signal Processing and Communications Applications Conference (SIU), 2014, pp. 493-496.
  • 15. Uzundurukan, S., Zeminlerin Şişme Özelliklerine Etkiyen Temel Parametrelerin Belirlenmesi ve Modellenmesi, Doktora Tezi, İnşaat Mühendisliği Anabilim Dalı, Isparta, 2006.
  • 16. Jang, J. S. R., Sun, C. T., “Neuro-Fuzzy Modeling and Control”, proceedings of the IEEE, Cilt 83, 3, 1995.
  • 17. M. Mitchell, “An Introduction to Genetic Algorithms”, MIT Press, 1998.
  • 18. Mustafa M. Kevran, “Çoklu Sensör Konumlandırma Probleminin Genetik Algoritmalar ile Çözümü”, Havacılık ve Uzay Teknolojileri Enstitüsü, Yüksek Lisans Tezi, İstanbul, 124 s, 2009.
  • 19. İnternet: Rutgers Üniversitesi Biyoinformatik Laboratuvarı http://bioinformatics.rutgers.edu/
  • 20. Chen, Xin, et al., “Gene expression patterns in human liver cancers”. Molecular biology of the cell, vol. 13, no. 6, pp. 1929-1939, 2002.
  • 21. İnternet: Karaciğer Kanseri Veri Seti (Chen-2002), http://bioinformatics.rutgers.edu/Static/Supplements/CompCancer/CDNA/chen-2002/chen-2002_database.txt
Subjects Computer Science, Information System
Published Date Şubat 2017
Journal Section Research Articles
Authors

Author: Bülent Haznedar

Author: Mustafa Turan Arslan

Author: Adem Kalınlı

Dates

Publication Date: February 1, 2017

Bibtex @research article { saufenbilder283823, journal = {Sakarya University Journal of Science}, issn = {1301-4048}, eissn = {2147-835X}, address = {Sakarya University}, year = {2017}, volume = {21}, pages = {54 - 62}, doi = {10.16984/saufenbilder.283823}, title = {Training ANFIS structure using genetic algorithm for liver cancer classification based on microarray gene expression data}, key = {cite}, author = {Haznedar, Bülent and Arslan, Mustafa Turan and Kalınlı, Adem} }
APA Haznedar, B , Arslan, M , Kalınlı, A . (2017). Training ANFIS structure using genetic algorithm for liver cancer classification based on microarray gene expression data. Sakarya University Journal of Science, 21 (1), 54-62. DOI: 10.16984/saufenbilder.283823
MLA Haznedar, B , Arslan, M , Kalınlı, A . "Training ANFIS structure using genetic algorithm for liver cancer classification based on microarray gene expression data". Sakarya University Journal of Science 21 (2017): 54-62 <http://www.saujs.sakarya.edu.tr/issue/26833/283823>
Chicago Haznedar, B , Arslan, M , Kalınlı, A . "Training ANFIS structure using genetic algorithm for liver cancer classification based on microarray gene expression data". Sakarya University Journal of Science 21 (2017): 54-62
RIS TY - JOUR T1 - Training ANFIS structure using genetic algorithm for liver cancer classification based on microarray gene expression data AU - Bülent Haznedar , Mustafa Turan Arslan , Adem Kalınlı Y1 - 2017 PY - 2017 N1 - doi: 10.16984/saufenbilder.283823 DO - 10.16984/saufenbilder.283823 T2 - Sakarya University Journal of Science JF - Journal JO - JOR SP - 54 EP - 62 VL - 21 IS - 1 SN - 1301-4048-2147-835X M3 - doi: 10.16984/saufenbilder.283823 UR - https://doi.org/10.16984/saufenbilder.283823 Y2 - 2016 ER -
EndNote %0 Sakarya University Journal of Science Training ANFIS structure using genetic algorithm for liver cancer classification based on microarray gene expression data %A Bülent Haznedar , Mustafa Turan Arslan , Adem Kalınlı %T Training ANFIS structure using genetic algorithm for liver cancer classification based on microarray gene expression data %D 2017 %J Sakarya University Journal of Science %P 1301-4048-2147-835X %V 21 %N 1 %R doi: 10.16984/saufenbilder.283823 %U 10.16984/saufenbilder.283823
ISNAD Haznedar, Bülent , Arslan, Mustafa Turan , Kalınlı, Adem . "Training ANFIS structure using genetic algorithm for liver cancer classification based on microarray gene expression data". Sakarya University Journal of Science 21 / 1 (February 2017): 54-62. https://doi.org/10.16984/saufenbilder.283823
AMA Haznedar B , Arslan M , Kalınlı A . Training ANFIS structure using genetic algorithm for liver cancer classification based on microarray gene expression data. SAUJS. 2017; 21(1): 54-62.
Vancouver Haznedar B , Arslan M , Kalınlı A . Training ANFIS structure using genetic algorithm for liver cancer classification based on microarray gene expression data. Sakarya University Journal of Science. 2017; 21(1): 62-54.