Aplicación y comparativa de cuatro modelos de clustering para datos GTEx

En el presente TFM se estudian y evalúan cuatro diferentes algoritmos de clustering: método coexp (formado porWGCNA y k-means), k-means convencional y dos modelos de mezcla finitos. En primer lugar se implementan todos los modelos de clustering, se busca el número de clusters óptimo en base a difere...

Descripción completa

Detalles Bibliográficos
Autor: López Sánchez, Victoria
Tipo de recurso: tesis de maestría
Fecha de publicación:2019
País:España
Institución:Universitat Oberta de Catalunya (UOC)
Repositorio:O2, repositorio institucional de la UOC
OAI Identifier:oai:openaccess.uoc.edu:10609/90626
Acceso en línea:http://hdl.handle.net/10609/90626
Access Level:acceso abierto
Palabra clave:RNA-seq
GCN
clustering
ARN-seq
Bioinformatics -- TFM
Bioinformàtica -- TFM
Bioinformática -- TFM
id ES_a26277ea1e4f5fb85cd3ebe292777d47
oai_identifier_str oai:openaccess.uoc.edu:10609/90626
network_acronym_str ES
network_name_str España
repository_id_str
spelling Aplicación y comparativa de cuatro modelos de clustering para datos GTExLópez Sánchez, VictoriaRNA-seqGCNclusteringRNA-seqGCNclusteringARN-seqGCNclusteringBioinformatics -- TFMBioinformàtica -- TFMBioinformática -- TFMEn el presente TFM se estudian y evalúan cuatro diferentes algoritmos de clustering: método coexp (formado porWGCNA y k-means), k-means convencional y dos modelos de mezcla finitos. En primer lugar se implementan todos los modelos de clustering, se busca el número de clusters óptimo en base a diferentes criterios estadísticos como BIC, AIC y el método de codo y por último, las particiones generadas por dichos métodos se visualizan y se comparan entre sí con la ayuda de una serie de métricas (o medidas) de validación externa. Se han usado medidas basadas en el conteo de pares (counting based measures) como el índice de Rand ajustado (Adjusted Rand Index, ARI) y en información teórica (information theoreticbased measures) como la variación de la información normalizada (Normalized Variation of Information, NVI) y distancia de información normalizada (Normalized Distance of Information, NID).En el present TFM s'estudien i avaluen quatre diferents algorismes de clustering: mètode coexp (format porWGCNA i k-means), k-means convencional i dos models de mescla finits. En primer lloc s'implementen tots els models de clustering, es busca el nombre de clústers òptim sobre la base de diferents criteris estadístics com BIC, AIC i el mètode de colze i finalment, les particions generades per aquests mètodes es visualitzen i es comparen entre si amb l'ajuda d'una sèrie de mètriques (o mesures) de validació externa. S'han usat mesures basades en el comptatge de parells (counting based measures) com l'índex de Rand ajustat (Adjusted Rand Index, ARI) i en informació teòrica (information theoreticbased measures) com la variació de la informació normalitzada (Normalized Variation of Information, NVI) i distància d'informació normalitzada (Normalized Distance of Information, NID).Presently TFM, it has been studied and evaluated four different clustering algorithms: coexp method (WGCNA + k-means), k-means conventional and two mixture models. First of all, it will implement all clustering models, search optimum clusters numbers statistical criteria-based as BIC, AIC and elbow method, at last, the final partitions generated by those methods are visualized are compared via external validation metrics (measures). Various clustering comparison measures have been used, counting-based measures as Adjusted Rand index (ARI) and information theoretic-based as Normalized Variation of Information (NVI) and Normalized Distance of Information (NID).Universitat Oberta de Catalunya (UOC)Fernández Martínez, DanielVentura, Carles201920192019info:eu-repo/semantics/masterThesisapplication/pdfapplication/pdfhttp://hdl.handle.net/10609/90626reponame:O2, repositorio institucional de la UOCinstname:Universitat Oberta de Catalunya (UOC)EspañolCC BY-NC-NDhttp://creativecommons.org/licenses/by-nc-nd/3.0/es/info:eu-repo/semantics/openAccessoai:openaccess.uoc.edu:10609/906262026-05-28T12:42:01Z
dc.title.none.fl_str_mv Aplicación y comparativa de cuatro modelos de clustering para datos GTEx
title Aplicación y comparativa de cuatro modelos de clustering para datos GTEx
spellingShingle Aplicación y comparativa de cuatro modelos de clustering para datos GTEx
López Sánchez, Victoria
RNA-seq
GCN
clustering
RNA-seq
GCN
clustering
ARN-seq
GCN
clustering
Bioinformatics -- TFM
Bioinformàtica -- TFM
Bioinformática -- TFM
title_short Aplicación y comparativa de cuatro modelos de clustering para datos GTEx
title_full Aplicación y comparativa de cuatro modelos de clustering para datos GTEx
title_fullStr Aplicación y comparativa de cuatro modelos de clustering para datos GTEx
title_full_unstemmed Aplicación y comparativa de cuatro modelos de clustering para datos GTEx
title_sort Aplicación y comparativa de cuatro modelos de clustering para datos GTEx
dc.creator.none.fl_str_mv López Sánchez, Victoria
author López Sánchez, Victoria
author_facet López Sánchez, Victoria
author_role author
dc.contributor.none.fl_str_mv Fernández Martínez, Daniel
Ventura, Carles
dc.subject.none.fl_str_mv RNA-seq
GCN
clustering
RNA-seq
GCN
clustering
ARN-seq
GCN
clustering
Bioinformatics -- TFM
Bioinformàtica -- TFM
Bioinformática -- TFM
topic RNA-seq
GCN
clustering
RNA-seq
GCN
clustering
ARN-seq
GCN
clustering
Bioinformatics -- TFM
Bioinformàtica -- TFM
Bioinformática -- TFM
description En el presente TFM se estudian y evalúan cuatro diferentes algoritmos de clustering: método coexp (formado porWGCNA y k-means), k-means convencional y dos modelos de mezcla finitos. En primer lugar se implementan todos los modelos de clustering, se busca el número de clusters óptimo en base a diferentes criterios estadísticos como BIC, AIC y el método de codo y por último, las particiones generadas por dichos métodos se visualizan y se comparan entre sí con la ayuda de una serie de métricas (o medidas) de validación externa. Se han usado medidas basadas en el conteo de pares (counting based measures) como el índice de Rand ajustado (Adjusted Rand Index, ARI) y en información teórica (information theoreticbased measures) como la variación de la información normalizada (Normalized Variation of Information, NVI) y distancia de información normalizada (Normalized Distance of Information, NID).
publishDate 2019
dc.date.none.fl_str_mv 2019
2019
2019
dc.type.none.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.none.fl_str_mv http://hdl.handle.net/10609/90626
url http://hdl.handle.net/10609/90626
dc.language.none.fl_str_mv Español
language_invalid_str_mv Español
dc.rights.none.fl_str_mv CC BY-NC-ND
http://creativecommons.org/licenses/by-nc-nd/3.0/es/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv CC BY-NC-ND
http://creativecommons.org/licenses/by-nc-nd/3.0/es/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.publisher.none.fl_str_mv Universitat Oberta de Catalunya (UOC)
publisher.none.fl_str_mv Universitat Oberta de Catalunya (UOC)
dc.source.none.fl_str_mv reponame:O2, repositorio institucional de la UOC
instname:Universitat Oberta de Catalunya (UOC)
instname_str Universitat Oberta de Catalunya (UOC)
reponame_str O2, repositorio institucional de la UOC
collection O2, repositorio institucional de la UOC
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869415258782695424
score 15,301603

Similares en LA Referencia