Por favor, use este identificador para citar o enlazar este ítem:
http://hdl.handle.net/10609/73565
Título : | Estudio comparativo de modelos de machine learning para la detección de dianas microARN |
Autoría: | Martínez Martínez, Jordi |
Tutor: | Pla Planas, Albert |
Otros: | Universitat Oberta de Catalunya Morán Moreno, Jose Antonio Ventura, Carles |
Resumen : | Los microARN son pequeñas moléculas de ARN de una longitud aproximada de 23 nucleótidos, de cadena sencilla y no codificantes que actúan en la regulación post-transcripcional inhibiendo la expresión génica uniéndose a sitios específicos de ARNm diana. En este documento se ha evaluado la viabilidad de distintos modelos basados en machine learning existentes para la predicción de las dianas de miARN. Se evaluó la viabilidad de seis modelos distintos: k-nearest neighbors, Naive Bayes, artificial neural network, support vector machine, decision tree y random forest. Para el entrenamiento de los modelos se construyó una base de datos con más de 14.000 interacciones de miARN-ARNm con 19 features de las mismas, de las cuales, se seleccionaron 3.173 interacciones reales y 3.173 interacciones no reales. El modelo random forest presento la mayor eficiencia en la predicción de interacciones, a la vez que fue uno de los modelos más sólidos y más sencillos de entrenar. Por las características de los modelos basados en random forest y debido a la utilización de un gran número de features para la predicción de dianas de miARN se recomienda el uso de estos modelos para futuros estudios de detección y predicción de dianas de miARNs. |
Palabras clave : | modelos de predicción microARN aprendizaje automático |
Tipo de documento: | info:eu-repo/semantics/masterThesis |
Fecha de publicación : | ene-2018 |
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 | |
---|---|---|---|---|
Estudio comparativo de modelos de machine learning para la detección de dianas microARN.rar | 4,74 MB | Unknown | Visualizar/Abrir | |
jmartinezrodriguez9TFM0118memoria.pdf | Memoria del TFM | 1,81 MB | Adobe PDF | Visualizar/Abrir |
Comparte:
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons