Algoritmos de agrupamento aplicados a dados de expressão gênica de câncer: um estudo comparativo
| Ano de defesa: | 2008 |
|---|---|
| Autor(a) principal: | |
| Orientador(a): | |
| Banca de defesa: | |
| Tipo de documento: | Dissertação |
| Tipo de acesso: | Acesso aberto |
| Idioma: | por |
| Instituição de defesa: |
Universidade Federal do Rio Grande do Norte
BR UFRN Programa de Pós-Graduação em Sistemas e Computação Ciência da Computação |
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: | |
| Link de acesso: | https://repositorio.ufrn.br/jspui/handle/123456789/17988 |
Resumo: | The use of clustering methods for the discovery of cancer subtypes has drawn a great deal of attention in the scientific community. While bioinformaticians have proposed new clustering methods that take advantage of characteristics of the gene expression data, the medical community has a preference for using classic clustering methods. There have been no studies thus far performing a large-scale evaluation of different clustering methods in this context. This work presents the first large-scale analysis of seven different clustering methods and four proximity measures for the analysis of 35 cancer gene expression data sets. Results reveal that the finite mixture of Gaussians, followed closely by k-means, exhibited the best performance in terms of recovering the true structure of the data sets. These methods also exhibited, on average, the smallest difference between the actual number of classes in the data sets and the best number of clusters as indicated by our validation criteria. Furthermore, hierarchical methods, which have been widely used by the medical community, exhibited a poorer recovery performance than that of the other methods evaluated. Moreover, as a stable basis for the assessment and comparison of different clustering methods for cancer gene expression data, this study provides a common group of data sets (benchmark data sets) to be shared among researchers and used for comparisons with new methods |
| id |
UFRN_a36907a5e23a8f59142cb02f2fe5584a |
|---|---|
| oai_identifier_str |
oai:repositorio.ufrn.br:123456789/17988 |
| network_acronym_str |
UFRN |
| network_name_str |
Repositório Institucional da UFRN |
| repository_id_str |
|
| spelling |
Algoritmos de agrupamento aplicados a dados de expressão gênica de câncer: um estudo comparativoInteligência artificialBioinformáticaAprendizado de máquinaAnálise de agrupamentosExpressão gênicaCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAOThe use of clustering methods for the discovery of cancer subtypes has drawn a great deal of attention in the scientific community. While bioinformaticians have proposed new clustering methods that take advantage of characteristics of the gene expression data, the medical community has a preference for using classic clustering methods. There have been no studies thus far performing a large-scale evaluation of different clustering methods in this context. This work presents the first large-scale analysis of seven different clustering methods and four proximity measures for the analysis of 35 cancer gene expression data sets. Results reveal that the finite mixture of Gaussians, followed closely by k-means, exhibited the best performance in terms of recovering the true structure of the data sets. These methods also exhibited, on average, the smallest difference between the actual number of classes in the data sets and the best number of clusters as indicated by our validation criteria. Furthermore, hierarchical methods, which have been widely used by the medical community, exhibited a poorer recovery performance than that of the other methods evaluated. Moreover, as a stable basis for the assessment and comparison of different clustering methods for cancer gene expression data, this study provides a common group of data sets (benchmark data sets) to be shared among researchers and used for comparisons with new methodsCoordenação de Aperfeiçoamento de Pessoal de Nível SuperiorO uso de técnicas de agrupamento na descoberta de subtipos de câncer tem atraído grande atenção da comunidade científica. Enquanto bioinformatas propõem novas técnicas de agrupamento que levam em consideração características dos dados de expressão gênica, a comunidade médica prefere utilizar as técnicas clássicas de agrupamento. De fato, não existem trabalhos na literatura que realizam uma avaliação em grande escala de técnicas de agrupamento nesse contexto. Diante disso, este trabalho apresenta o primeiro estudo em grande escala de sete técnicas de agrupamento e quatro medidas de proximidade para a análise de 35 conjuntos de dados de expressão gênica. Mais especificamente, os resultados mostram que a técnica mistura finita de gaussianas, seguida pelo k-means, apresentam os melhores resultados em termos de recuperação da estrutura natural dos dados. Esses métodos também apresentam a menor diferença entre o número real de classes e o número de grupos presente na melhor partição. Além disso, os métodos de agrupamento hierárquico, que vêm sendo bastante utilizados pela comunidade médica, apresentaram os piores resultados quando comparados com os outros métodos investigados. Este trabalho também apresenta, como uma referência estável para a avaliação e comparação de diferentes algoritmos de agrupamento para dados de expressão gênica de câncer, um conjunto de bases de dados (benchmark data sets) que pode ser compartilhado entre pesquisadores e usado na comparação de novos métodosUniversidade Federal do Rio Grande do NorteBRUFRNPrograma de Pós-Graduação em Sistemas e ComputaçãoCiência da ComputaçãoSouto, Marcílio Carlos Pereira dehttp://lattes.cnpq.br/4744754780165354http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4790032E1Costa Filho, Ivan Gesteirahttp://lattes.cnpq.br/6173255299874918Canuto, Anne Magaly de Paulahttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4790093J8Prudêncio, Ricardo Bastos Cavalcantehttp://lattes.cnpq.br/2984888073123287Araújo, Daniel Sabino Amorim de2014-12-17T15:47:48Z2009-03-102014-12-17T15:47:48Z2008-11-11info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfapplication/pdfARAÚJO, Daniel Sabino Amorim de. Algoritmos de agrupamento aplicados a dados de expressão gênica de câncer: um estudo comparativo. 2008. 104 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal do Rio Grande do Norte, Natal, 2008.https://repositorio.ufrn.br/jspui/handle/123456789/17988porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRN2017-11-04T13:26:59Zoai:repositorio.ufrn.br:123456789/17988Repositório InstitucionalPUBhttp://repositorio.ufrn.br/oai/repositorio@bczm.ufrn.bropendoar:2017-11-04T13:26:59Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false |
| dc.title.none.fl_str_mv |
Algoritmos de agrupamento aplicados a dados de expressão gênica de câncer: um estudo comparativo |
| title |
Algoritmos de agrupamento aplicados a dados de expressão gênica de câncer: um estudo comparativo |
| spellingShingle |
Algoritmos de agrupamento aplicados a dados de expressão gênica de câncer: um estudo comparativo Araújo, Daniel Sabino Amorim de Inteligência artificial Bioinformática Aprendizado de máquina Análise de agrupamentos Expressão gênica CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO |
| title_short |
Algoritmos de agrupamento aplicados a dados de expressão gênica de câncer: um estudo comparativo |
| title_full |
Algoritmos de agrupamento aplicados a dados de expressão gênica de câncer: um estudo comparativo |
| title_fullStr |
Algoritmos de agrupamento aplicados a dados de expressão gênica de câncer: um estudo comparativo |
| title_full_unstemmed |
Algoritmos de agrupamento aplicados a dados de expressão gênica de câncer: um estudo comparativo |
| title_sort |
Algoritmos de agrupamento aplicados a dados de expressão gênica de câncer: um estudo comparativo |
| author |
Araújo, Daniel Sabino Amorim de |
| author_facet |
Araújo, Daniel Sabino Amorim de |
| author_role |
author |
| dc.contributor.none.fl_str_mv |
Souto, Marcílio Carlos Pereira de http://lattes.cnpq.br/4744754780165354 http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4790032E1 Costa Filho, Ivan Gesteira http://lattes.cnpq.br/6173255299874918 Canuto, Anne Magaly de Paula http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4790093J8 Prudêncio, Ricardo Bastos Cavalcante http://lattes.cnpq.br/2984888073123287 |
| dc.contributor.author.fl_str_mv |
Araújo, Daniel Sabino Amorim de |
| dc.subject.por.fl_str_mv |
Inteligência artificial Bioinformática Aprendizado de máquina Análise de agrupamentos Expressão gênica CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO |
| topic |
Inteligência artificial Bioinformática Aprendizado de máquina Análise de agrupamentos Expressão gênica CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO |
| description |
The use of clustering methods for the discovery of cancer subtypes has drawn a great deal of attention in the scientific community. While bioinformaticians have proposed new clustering methods that take advantage of characteristics of the gene expression data, the medical community has a preference for using classic clustering methods. There have been no studies thus far performing a large-scale evaluation of different clustering methods in this context. This work presents the first large-scale analysis of seven different clustering methods and four proximity measures for the analysis of 35 cancer gene expression data sets. Results reveal that the finite mixture of Gaussians, followed closely by k-means, exhibited the best performance in terms of recovering the true structure of the data sets. These methods also exhibited, on average, the smallest difference between the actual number of classes in the data sets and the best number of clusters as indicated by our validation criteria. Furthermore, hierarchical methods, which have been widely used by the medical community, exhibited a poorer recovery performance than that of the other methods evaluated. Moreover, as a stable basis for the assessment and comparison of different clustering methods for cancer gene expression data, this study provides a common group of data sets (benchmark data sets) to be shared among researchers and used for comparisons with new methods |
| publishDate |
2008 |
| dc.date.none.fl_str_mv |
2008-11-11 2009-03-10 2014-12-17T15:47:48Z 2014-12-17T15:47:48Z |
| dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| format |
masterThesis |
| status_str |
publishedVersion |
| dc.identifier.uri.fl_str_mv |
ARAÚJO, Daniel Sabino Amorim de. Algoritmos de agrupamento aplicados a dados de expressão gênica de câncer: um estudo comparativo. 2008. 104 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal do Rio Grande do Norte, Natal, 2008. https://repositorio.ufrn.br/jspui/handle/123456789/17988 |
| identifier_str_mv |
ARAÚJO, Daniel Sabino Amorim de. Algoritmos de agrupamento aplicados a dados de expressão gênica de câncer: um estudo comparativo. 2008. 104 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal do Rio Grande do Norte, Natal, 2008. |
| url |
https://repositorio.ufrn.br/jspui/handle/123456789/17988 |
| dc.language.iso.fl_str_mv |
por |
| language |
por |
| dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
| eu_rights_str_mv |
openAccess |
| dc.format.none.fl_str_mv |
application/pdf application/pdf |
| dc.publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Norte BR UFRN Programa de Pós-Graduação em Sistemas e Computação Ciência da Computação |
| publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Norte BR UFRN Programa de Pós-Graduação em Sistemas e Computação Ciência da Computação |
| dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRN instname:Universidade Federal do Rio Grande do Norte (UFRN) instacron:UFRN |
| instname_str |
Universidade Federal do Rio Grande do Norte (UFRN) |
| instacron_str |
UFRN |
| institution |
UFRN |
| reponame_str |
Repositório Institucional da UFRN |
| collection |
Repositório Institucional da UFRN |
| repository.name.fl_str_mv |
Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN) |
| repository.mail.fl_str_mv |
repositorio@bczm.ufrn.br |
| _version_ |
1855758780942254080 |