Knowledge and biomarkers extraction system by integrating heterogeneous information sources
[ES] El presente trabajo de investigación trata de abordar algunos de los problemas principales relativos a la aplicabilidad y selección significativa de biomarcadores en cáncer mediante el diseño y aplicacion de frameworks basados en minería de datos e Inteligencia Artificial. Se han explorado dife...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis doctoral |
| Fecha de publicación: | 2019 |
| País: | España |
| Institución: | Universidad de Salamanca (USAL) |
| Repositorio: | GREDOS. Repositorio Institucional de la Universidad de Salamanca |
| OAI Identifier: | oai:gredos.usal.es:10366/140509 |
| Acceso en línea: | http://hdl.handle.net/10366/140509 |
| Access Level: | acceso abierto |
| Palabra clave: | Tesis y disertaciones académicas Universidad de Salamanca (España) Tesis Doctoral Academic dissertations Inteligencia artificial Clustering Biomarcadores Selección de genes 1203.04 Inteligencia Artificial |
| Sumario: | [ES] El presente trabajo de investigación trata de abordar algunos de los problemas principales relativos a la aplicabilidad y selección significativa de biomarcadores en cáncer mediante el diseño y aplicacion de frameworks basados en minería de datos e Inteligencia Artificial. Se han explorado diferentes necesidades y se han desarrollado por tanto varios sistema que priorizan el cumplimiento de distintos objetivos. Para valorar si los sistemas desarrollados son capaces de seleccionar biomarcadores potenciales que sean estadística y biológicamente relevantes, se han aplicado sobre diferentes casos de estudio consistentes en datos de expresion génica de tejidos tumorales. Se han empleado datos procedentes de muestras de tejido de cáncer de pulmón de células no pequeñas y adenocarcinoma ductal pancreático. Los sistemas diseñados utilizan datos provenientes de distintos laboratorios e investigadores y han sido capaces de alcanzar gran capacidad de calsificaicón, proporcionando además la posibilidad de extraer conocimiento mientras se combaten algunos problemas típicos de la selección de genes. |
|---|