بیماری سرطان یکی از مهلک ترین بیماری هایی است که سالیانه موجب از دست رفتن جان هزاران نفر در سراسر جهان می شود. یکی از عوامل این بیماری، تغییرات ژنتیکی یا جهش هایی است که در ژنوم سلول رخ می دهد و باعث تبدیل سلول نرمال به سلول سرطانی می شود. تنوع جهش ها در ژنوم باعث به وجود آمدن انواع مختلفی از بیماری سرطان می شود که به آن فنوتایپ گفته می شود. تنوع مختلف در فنوتایپ های بافت سرطانی و تعامل آنها با یکدیگر، درمان این بیماری را پیچیده تر می سازد. مشخص کردن فنوتایپ یک بافت از طریق تحلیل داده های بیان ژن آن امکان پذیر است. بیان شدن هر ژن در فرایندی که به آن رونویسی گفته می شود آغاز شده و در ادامه باعث تولید مولکول هایی بنام

RNAخواهد شد. امروزه دستگاه های ارزان قیمت می توانند در مقیاس سلولی، مولکول های RNAمربوط به یک ژن را شناسایی و سطح

بیان آن ژن را مشخص نمایند. مدل های GANبر اساس تئوری بازی ها بین دو بازیکن استوار هستند.در این مدل ها بجای یاد گرفتن مستقیم تابع چگالی توزیع داده، نمونه

جدیدی از داده تولید شده و تلاش می شود نمونه های تولید شده شبیه به نمونه های واقعی گردد. در GANاز دو شبکه به نام مولد و تمیز دهنده

استفاده می شود که در حال انجام بازی کمین بیش با یکدیگر هستند. هدف مولد، تولید نمونه هایی از داده است که با داده های اصلی شباهت زیادی داشته باشد. ورودی مولد، برداری از مقادیر تصادفی است و خروجی آن، نمونه های ساختگی داده تولید شده خواهد بود. هدف تمیز دهنده تمایز بین داده های واقعی و داده های تولید شده توسط مولد است. بیان ژن های یک بافت را در شرایط مختلف می توان توسط

مدل های مولد از جمله GANشبیه سازی نمود و پروفایل های ساختگی از بیان ژن های یک فنوتایپ تولید نمود.

برای این منظور در این رساله، به دو مسئله اصلی پرداخته شده است: افزایش حجم داده بیان ژن و تشخیص فنوتایپ های سرطانی. در این راستا، با تبدیل پروفایل بیان ژن به تصویر و بهره مندی از الگوهای پنهان در تصویر، نمونه های ساختگی از تصاویر بیان ژن ایجاد نموده ایم و با افزایش حجم داده بیان ژن، شناسایی فنوتایپ های سرطانی و مراحل آن ها را امکان پذیر ساخته ایم. نتایج نشان می دهد که مدل های مولد پیشنهاد شده در این رساله علاوه بر شبیه سازی سطح بیان ژن ها در فنوتایپ های مختلف و مراحل گسترش آن ، به صورت بدون ناظر فنوتایپ های سرطانی و مراحل آن ها را تشخیص می دهند و با افزایش داده، دقت مدل های دسته بندی سرطان را افزایش می دهند