Predicción de pacientes diabéticos, insulina-sensibles o insulina-resistentes aplicando técnicas de Inteligencia Artificial sobre genes obtenidos de un análisis de expresión diferencial
En la actualidad, 463 millones de adultos tienen diabetes y 374 millones presentan intolerancia a la glucosa. La insulina es una potente hormona pleiotrópica que afecta a los procesos como el crecimiento celular, el gasto energético y el metabolismo de carbohidratos, lípidos y proteínas. Por otra pa...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2021 |
| País: | España |
| Institución: | Universitat Oberta de Catalunya (UOC) |
| Repositorio: | O2, repositorio institucional de la UOC |
| OAI Identifier: | oai:openaccess.uoc.edu:10609/138408 |
| Acceso en línea: | http://hdl.handle.net/10609/138408 |
| Access Level: | acceso abierto |
| Palabra clave: | diabetes insulina bioconductor aprendizaje automáticO diabetis aprenentatge automàtic diabetics insulin machine learning Bioinformatics -- TFM Bioinformàtica -- TFM Bioinformática -- TFM |
| Sumario: | En la actualidad, 463 millones de adultos tienen diabetes y 374 millones presentan intolerancia a la glucosa. La insulina es una potente hormona pleiotrópica que afecta a los procesos como el crecimiento celular, el gasto energético y el metabolismo de carbohidratos, lípidos y proteínas. Por otra parte, el músculo esquelético es el sitio principal para la eliminación de la glucosa insulinodependiente. Los mecanismos moleculares por los que la insulina regula el metabolismo muscular y los defectos subyacentes que causan la resistencia a la insulina no se han dilucidado por completo. El objetivo de este estudio es realizar un análisis de datos de microarrays para encontrar genes diferencialmente expresados. El análisis se ha basado en los datos de un estudio depositado en Gene Expresion Omnibus (GEO) con identificador "GSE22309" y cuyo título es "Expression data from human skeletal muscle". Los datos seleccionados contienen muestras de tres tipos de pacientes después de realizar un tratamiento con insulina: pacientes con diabetes (DB), pacientes sensibles a la insulina (IS) y pacientes resistentes a la insulina (IR). Una vez obtenidos los 20 genes expresados de forma diferencial entre las tres comparaciones posibles (DB vs IS, DB vs IR y IS vs IR), se ha utilizado este conjunto de datos para elaborar modelos predictivos a través de técnicas de Machine Learning para clasificar a los pacientes respecto de las tres categorías comentadas previamente. Todas las técnicas utilizadas presentan una exactitud superior al 80%, alcanzando casi el 90% al unificar las categorías IR y DB. |
|---|