Descoberta de Possíveis Biomarcadores Utilizando Analise Topológica de Redes de Co-Expressão Gênica.

• Ano de defesa: 2019
• Autor(a) principal: Abreu, Eduardo Soares de
• Orientador(a): Werhli, Adriano Velasque, Mendoza, Mariana Recamonde
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Redes Biológicas; Expressão Gênica; Aprendizado de Máquina; Descoberta de Biomarcadores; Biological Networks; Gene Expression; Machine Learning; Discovery of Biomarkers
• Link de acesso: https://repositorio.furg.br/handle/123456789/13117

O avanço em técnicas de coleta de dados a partir da biologia molecular, permitiu a captura de informações de milhares de genes simultaneamente, como o Microarranjo e o RNA-Seq, tornando-se um importante meio para o entendimento dos processos biológicos envolvidos no desenvolvimento das doenças complexas como câncer, doenças cardíacas e degenerativas. A busca para extrair conhecimento a partir dos dados coletados por essas técnicas não e uma tarefa trivial, por trabalhar com o mapeamento dos níveis de transcrição ̧ao dos genes em larga escala. Considerando um grande desafio enfrentado devido ao pequeno numero de experimentos realizados na literatura e a grande dimensionalidade (genes), se faz necessário a proposta de novas metodologias para extração de conhecimento desses dados. Este trabalho teve por objetivo geral propor uma metodologia para identificação de possíveis novos biomarcadores por meio da analise de topologias de redes biológicas utilizando algoritmos de aprendizagem de máquina supervisionada e técnicas de teoria de redes complexas. Nessa direção esse trabalho contribuiu propondo um metodologia para avaliação dos dados de expressão gênica utilizando redes complexas e analisando suas topologias e empregando aprendizagem de maquina supervisionado para descoberta de possíveis biomarcadores. Como resultados o algoritmo SVM foi o que obteve os melhores resultados sobre o Randon Forest e o J48.