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
|
Programa de Pós-Graduação: |
Programa de Pós-Graduação em Sistemas e Computação
|
Departamento: |
Ciência da Computação
|
País: |
BR
|
Palavras-chave em Português: | |
Área do conhecimento CNPq: | |
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_b6e1b51764f80921647a00b7f220e067 |
---|---|
oai_identifier_str |
oai:https://repositorio.ufrn.br:123456789/17988 |
network_acronym_str |
UFRN |
network_name_str |
Repositório Institucional da UFRN |
repository_id_str |
|
spelling |
Araújo, Daniel Sabino Amorim 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/2984888073123287Souto, Marcílio Carlos Pereira de2014-12-17T15:47:48Z2009-03-102014-12-17T15:47:48Z2008-11-11ARAÚJO, 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/123456789/17988The 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 methodsO 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 métodosCoordenação de Aperfeiçoamento de Pessoal de Nível Superiorapplication/pdfporUniversidade Federal do Rio Grande do NortePrograma de Pós-Graduação em Sistemas e ComputaçãoUFRNBRCiência da ComputaçãoInteligência artificialBioinformáticaAprendizado de máquinaAnálise de agrupamentosExpressão gênicaCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAOAlgoritmos de agrupamento aplicados a dados de expressão gênica de câncer: um estudo comparativoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRNORIGINALDanielSAA.pdfapplication/pdf691771https://repositorio.ufrn.br/bitstream/123456789/17988/1/DanielSAA.pdfc2a3333a69e8d426409687ac8cfac27fMD51TEXTDanielSAA.pdf.txtDanielSAA.pdf.txtExtracted texttext/plain176765https://repositorio.ufrn.br/bitstream/123456789/17988/6/DanielSAA.pdf.txt87d0161c0ddaa8bcdbcd8dd92858ba79MD56THUMBNAILDanielSAA.pdf.jpgDanielSAA.pdf.jpgIM Thumbnailimage/jpeg3020https://repositorio.ufrn.br/bitstream/123456789/17988/7/DanielSAA.pdf.jpg7901be02e2120e0cda3c2d4eaec5d248MD57123456789/179882017-11-04 10:26:59.565oai:https://repositorio.ufrn.br:123456789/17988Repositório de PublicaçõesPUBhttp://repositorio.ufrn.br/oai/opendoar:2017-11-04T13:26:59Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false |
dc.title.por.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.authorID.por.fl_str_mv |
|
dc.contributor.authorLattes.por.fl_str_mv |
http://lattes.cnpq.br/4744754780165354 |
dc.contributor.advisorID.por.fl_str_mv |
|
dc.contributor.advisorLattes.por.fl_str_mv |
http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4790032E1 |
dc.contributor.advisor-co1ID.por.fl_str_mv |
|
dc.contributor.referees1.pt_BR.fl_str_mv |
Canuto, Anne Magaly de Paula |
dc.contributor.referees1ID.por.fl_str_mv |
|
dc.contributor.referees1Lattes.por.fl_str_mv |
http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4790093J8 |
dc.contributor.referees2.pt_BR.fl_str_mv |
Prudêncio, Ricardo Bastos Cavalcante |
dc.contributor.referees2ID.por.fl_str_mv |
|
dc.contributor.referees2Lattes.por.fl_str_mv |
http://lattes.cnpq.br/2984888073123287 |
dc.contributor.author.fl_str_mv |
Araújo, Daniel Sabino Amorim de |
dc.contributor.advisor-co1.fl_str_mv |
Costa Filho, Ivan Gesteira |
dc.contributor.advisor-co1Lattes.fl_str_mv |
http://lattes.cnpq.br/6173255299874918 |
dc.contributor.advisor1.fl_str_mv |
Souto, Marcílio Carlos Pereira de |
contributor_str_mv |
Costa Filho, Ivan Gesteira Souto, Marcílio Carlos Pereira de |
dc.subject.por.fl_str_mv |
Inteligência artificial Bioinformática Aprendizado de máquina Análise de agrupamentos Expressão gênica |
topic |
Inteligência artificial Bioinformática Aprendizado de máquina Análise de agrupamentos Expressão gênica CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO |
dc.subject.cnpq.fl_str_mv |
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.issued.fl_str_mv |
2008-11-11 |
dc.date.available.fl_str_mv |
2009-03-10 2014-12-17T15:47:48Z |
dc.date.accessioned.fl_str_mv |
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.citation.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. |
dc.identifier.uri.fl_str_mv |
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 |
dc.publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Norte |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Sistemas e Computação |
dc.publisher.initials.fl_str_mv |
UFRN |
dc.publisher.country.fl_str_mv |
BR |
dc.publisher.department.fl_str_mv |
Ciência da Computação |
publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Norte |
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 |
bitstream.url.fl_str_mv |
https://repositorio.ufrn.br/bitstream/123456789/17988/1/DanielSAA.pdf https://repositorio.ufrn.br/bitstream/123456789/17988/6/DanielSAA.pdf.txt https://repositorio.ufrn.br/bitstream/123456789/17988/7/DanielSAA.pdf.jpg |
bitstream.checksum.fl_str_mv |
c2a3333a69e8d426409687ac8cfac27f 87d0161c0ddaa8bcdbcd8dd92858ba79 7901be02e2120e0cda3c2d4eaec5d248 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN) |
repository.mail.fl_str_mv |
|
_version_ |
1802118080285900800 |