Hierarchical Feature Selection for Knowledge Discovery: Application of Data Mining to the Biology of Ageing

این کتاب اولین اثری است که به طور سیستماتیک روند داده کاوی و کشف دانش را در پایگاه داده های بیوانفورماتیک با استفاده از پیشرفته ترین الگوریتم های انتخاب ویژگی سلسله مراتبی توصیف می کند. نوآوری های این کتاب سه گانه است. برای شروع، این کتاب انتخاب ویژگی سلسله مراتبی را به طور عمیق مورد بحث قرار می دهد، که به طور کلی یک حوزه تحقیقاتی جدید در داده کاوی/یادگیری ماشین است. هفت الگوریتم انتخاب ویژگی سلسله مراتبی پیشرفته با کار با چهار نوع الگوریتم طبقه‌بندی قابل تفسیر (یعنی سه نوع الگوریتم طبقه‌بندی شبکه بیزی و الگوریتم طبقه‌بندی k-نزدیک‌ترین همسایه‌ها) مورد بحث و ارزیابی قرار می‌گیرند. علاوه بر این، این کتاب کاربرد آن الگوریتم‌های انتخاب ویژگی سلسله مراتبی را در پایگاه‌داده معروف هستی‌شناسی ژن مورد بحث قرار می‌دهد، جایی که ورودی‌ها (اصطلاحات) به صورت سلسله مراتبی ساختار می‌شوند. پایگاه‌داده هستی‌شناسی ژن که نمایش‌های حاشیه‌نویسی ژن و محصولات ژنی را یکپارچه می‌کند، منبعی را برای استخراج دانش ارزشمند در مورد برخی موضوعات تحقیقات بیولوژیکی، مانند زیست‌شناسی پیری، فراهم می‌کند. علاوه بر این، این کتاب الگوهای بیولوژیکی استخراج شده توسط الگوریتم‌های انتخاب ویژگی سلسله مراتبی مربوط به ژن‌های مرتبط با پیری را مورد بحث قرار می‌دهد. این الگوها عوامل بالقوه مرتبط با پیری را نشان می‌دهند که الهام‌بخش مسیرهای تحقیقاتی آینده برای تحقیقات زیست‌شناسی پیری هستند.

This book is the first work that systematically describes the procedure of data mining and knowledge discovery on Bioinformatics databases by using the state-of-the-art hierarchical feature selection algorithms. The novelties of this book are three-fold. To begin with, this book discusses the hierarchical feature selection in depth, which is generally a novel research area in Data Mining/Machine Learning. Seven different state-of-the-art hierarchical feature selection algorithms are discussed and evaluated by working with four types of interpretable classification algorithms (i.e. three types of Bayesian network classification algorithms and the k-nearest neighbours classification algorithm). Moreover, this book discusses the application of those hierarchical feature selection algorithms on the well-known Gene Ontology database, where the entries (terms) are hierarchically structured. Gene Ontology database that unifies the representations of gene and gene products annotation provides the resource for mining valuable knowledge about certain biological research topics, such as the Biology of Ageing. Furthermore, this book discusses the mined biological patterns by the hierarchical feature selection algorithms relevant to the ageing-associated genes. Those patterns reveal the potential ageing-associated factors that inspire future research directions for the Biology of Ageing research.