Obtención de redes de asociación directa con aplicación a datos ómicos
Los microRNA (miRNA) son importantes reguladores génicos, que inhiben la traducción y/o promueven la degradación de sus RNA diana. Participan en procesos esenciales y juegan un papel en muchas patologías. Por ello, establecer las redes de regulación miRNA - genes puede ser importante. Existen divers...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2018 |
| País: | España |
| Institución: | Universitat Oberta de Catalunya (UOC) |
| Repositorio: | O2, repositorio institucional de la UOC |
| OAI Identifier: | oai:openaccess.uoc.edu:10609/82525 |
| Acceso en línea: | http://hdl.handle.net/10609/82525 |
| Access Level: | acceso abierto |
| Palabra clave: | redes de asociación directa GGM microRNA microARN xarxes d'associació directa Bioinformatics -- TFM Bioinformàtica -- TFM Bioinformática -- TFM |
| Sumario: | Los microRNA (miRNA) son importantes reguladores génicos, que inhiben la traducción y/o promueven la degradación de sus RNA diana. Participan en procesos esenciales y juegan un papel en muchas patologías. Por ello, establecer las redes de regulación miRNA - genes puede ser importante. Existen diversos métodos computacionales de predicción de dianas. En este trabajo, exploramos métodos para inferir asociaciones directas a partir de datos de expresión de experimentos de microarrays. Para ello, utilizamos algoritmos que estiman correlaciones parciales y permiten crear Gaussian Graphical Models (GGM) a partir de datos de grandes dimensiones, con mayor número de variables que muestras. Evaluamos el rendimiento de algoritmos de este tipo implementados en paquetes de R aplicándolos a datos de diversas características: datos pequeños con n > p, datos normales multivariantes simulados, datos genómicos simulados y datos reales de expresión de mRNA y miRNA. Los resultados muestran la utilidad de las redes de asociación creadas por GGM en datos con pocas variables y muchas muestras. Sin embargo, el fallo de estos métodos a la hora de inferir asociaciones se hace evidente conforme aumenta el número de variables. |
|---|