Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/10609/138408
Título : Predicción de pacientes diabéticos, insulina-sensibles o insulina-resistentes aplicando técnicas de Inteligencia Artificial sobre genes obtenidos de un análisis de expresión diferencial
Autoría: González Martín, Jesús María
Otros: Rebrij, Romina  
Briansó, Ferran  
Resumen : En la actualidad, 463 millones de adultos tienen diabetes y 374 millones presentan intolerancia a la glucosa. La insulina es una potente hormona pleiotrópica que afecta a los procesos como el crecimiento celular, el gasto energético y el metabolismo de carbohidratos, lípidos y proteínas. Por otra parte, el músculo esquelético es el sitio principal para la eliminación de la glucosa insulinodependiente. Los mecanismos moleculares por los que la insulina regula el metabolismo muscular y los defectos subyacentes que causan la resistencia a la insulina no se han dilucidado por completo. El objetivo de este estudio es realizar un análisis de datos de microarrays para encontrar genes diferencialmente expresados. El análisis se ha basado en los datos de un estudio depositado en Gene Expresion Omnibus (GEO) con identificador "GSE22309" y cuyo título es "Expression data from human skeletal muscle". Los datos seleccionados contienen muestras de tres tipos de pacientes después de realizar un tratamiento con insulina: pacientes con diabetes (DB), pacientes sensibles a la insulina (IS) y pacientes resistentes a la insulina (IR). Una vez obtenidos los 20 genes expresados de forma diferencial entre las tres comparaciones posibles (DB vs IS, DB vs IR y IS vs IR), se ha utilizado este conjunto de datos para elaborar modelos predictivos a través de técnicas de Machine Learning para clasificar a los pacientes respecto de las tres categorías comentadas previamente. Todas las técnicas utilizadas presentan una exactitud superior al 80%, alcanzando casi el 90% al unificar las categorías IR y DB.
Palabras clave : diabetes
insulina
bioconductor
aprendizaje automáticO
Tipo de documento: info:eu-repo/semantics/masterThesis
Fecha de publicación : dic-2021
Licencia de publicación: http://creativecommons.org/licenses/by-nc-nd/3.0/es  
Aparece en las colecciones: Trabajos finales de carrera, trabajos de investigación, etc.

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
jgonzalezmartin4TFM1221memoria.pdfMemoria del TFM1,47 MBAdobe PDFVista previa
Visualizar/Abrir