Mineração de Regras para Classificação de Oncogenes Medidos por Microarray Utilizando Algoritmos Genéticos

Resumo

A Bioinformática diz respeito a utilização de técnicas e ferramentas de computação para a resolução de problemas biológicos. Entre essas técnicas, os métodos vindos da Inteligência Artificial, principalmente os Algoritmos Genéticos (AG), vem sendo bastante utilizados na resolução desses problemas, especialmente relacionados a análise da expressão genica. Neste trabalho, utilizamos um AG na busca de regras de alto nível do tipo IF-THEN. Esse AG foi aplicado na classificação de bases de dados contendo níveis de expressão genica (obtidos através de microarray) de genes relacionados a nove classes de câncer obtidos da base de dados NCI60. São elas: mama, sistema nervoso central, colón, leucemia, melanoma, pulmão, ovário, renal e células reprodutivas. Para a avaliação das regras geradas pelo AG, empregamos conceitos amplamente utilizados em domínios médicos. São eles: sensibilidade (true_positive e false_negative) e especificidade (true_negative e false_positive). A saída do AG e uma regra do tipo: IF([5':W31089,3':N98525] ≥0,4) AND ([5':,3':W70076] < -0,5) THEN Câncer = sistema_nervoso_central, onde os valores entre colchetes referem-se ao GeneBank_Acession de cada gene que compõem a regra. O conjunto formado pelas nove melhores regras (uma para cada classe de câncer) obteve avaliações medias de 96,72%, contendo, em média, três genes em cada regra. Com essas regras, conseguimos delimitar possíveis genes relacionados a cada classe de câncer e seus respectivos níveis de expressão, conseguindo assim associações gene/câncer e gene/gene. Acreditamos que essas associações possam contribuir para o diagnóstico da classe de câncer avaliada, limitando então o número de genes a serem analisados na busca de novos tratamentos.