Empreu aquest identificador per citar o enllaçar aquest ítem:
http://hdl.handle.net/10609/109506
Títol: | Herramienta para analizar matrices de expresión génicas con machine learning |
Autoria: | Rodríguez Pérez, Domingo Javier |
Tutor: | Fernandez Hilario, Alberto |
Altres: | Adsuar Gómez, Antonio Jesús |
Resum: | En el camp de les aplicacions biomèdiques, és tan important obtenir una alta precisió com fer que els models generats siguin explicables per al personal clínic. Per aquesta raó, és essencial aplicar tècniques intel·ligents que siguin capaces d'aprendre de manera efectiva en aquests escenaris. En aquesta ocasió es tracta de crear un programari en R per a proporcionar una manera senzilla de construir una anàlisi explicativa de la causalitat entre l'expressió gènica i les condicions del pacient. El programari creat està molt automatitzat facilitant les entrades de dades per a estudiar diferents matrius d'expressió, amb un flux lineal, amb una lectura de dades a través del codi GEO, un preprocesamiento en el qual es facilita un contrast d'hipòtesi,una normalització per a fer les dades comparables entre ells i un filtrat de gens que redueix el càlcul computacional del posterior entrenament dels models machine learning el qual comporta diferents tècniques de selecció de gens per a, a través de la validació del model, detectar la relació entre l'expressió gènica i la condició del pacient i compartir els resultats dels gens realment implicats en la resposta. Poso a prova aquesta eina amb un dels temes mes actuals quant a diagnostico clínic, la detecció del càncer a través de l'expressió gènica de les plaquetes. Les dades s'han obtingut de l'experiment amb codi GSE89843. S'obtenen AUC per sobre del 90% amb tan sols 10 gens, la qual cosa suposa un gran avanç en aquest camp. El AUC es pot interpretar com la probabilitat de classificar-los correctament. A causa del seu baix cost pel nombre reduït de gens i la seva poca invasividad pot realitzar-se a manera de test preventiu i reduir la seva taxa de mortalitat. |
Paraules clau: | RNA-seq selecció d'atributs biòpsia liquida random forest |
Tipus de document: | info:eu-repo/semantics/masterThesis |
Data de publicació: | gen-2020 |
Llicència de publicació: | http://creativecommons.org/licenses/by-nc-nd/3.0/es/ |
Apareix a les col·leccions: | Trabajos finales de carrera, trabajos de investigación, etc. |
Arxius per aquest ítem:
Arxiu | Descripció | Mida | Format | |
---|---|---|---|---|
jrodriguezperez012TFM0120memoria.pdf | Memoria del TFM | 644,26 kB | Adobe PDF | Veure/Obrir |
Comparteix:
Aquest ítem està subjecte a una llicència de Creative Commons Llicència Creative Commons