Busca avançada
Ano de início
Entree

Meta-aprendizado e redes bayesianas na criação de comitês de classificação de dados de expressão gênica

Processo: 12/22295-0
Linha de fomento:Bolsas no Brasil - Pós-Doutorado
Vigência (Início): 01 de março de 2013
Vigência (Término): 30 de setembro de 2015
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Pesquisador responsável:André Carlos Ponce de Leon Ferreira de Carvalho
Beneficiário:Edwin Rafael Villanueva Talavera
Instituição-sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
Bolsa(s) vinculada(s):14/10852-7 - Detecção de interações funcionais gene-gene a partir de dados observacionais de expressão gênica utilizando comitês de classificadores e Meta-aprendizagem, BE.EP.PD
Assunto(s):Aprendizado computacional   Redes bayesianas   Classificação

Resumo

Aprendizado de maquina tem sido utilizado com sucesso em Bioinformatica. O emprego da informação de expressão gênica de tecidos biológicos para classificá-los em categorias ou classes conhecidas tem gerado grandes expectativas no aperfeiçoamento do diagnóstico, prognóstico e possível tratamento de doenças severas, como o câncer. Não obstante, a construção de classificadores acurados para esse propósito tem mostrado ser uma tarefa desafiadora, dada a elevada dimensionalidade dos dados de expressão e à natureza ruidosa dos mesmos. Entre as abordagens mais promissoras para lidar com dito problema encontram-se os chamados comitês de classificadores, em que as decisões de vários classificadores são combinadas, na esperança de gerar uma classificação mais robusta. No entanto, a criação de um comitê é um problema complexo, e as técnicas existentes para essa finalidade induzem frequentemente sistemas de classificação sub-ótimos e pouco interpretáveis. Neste projeto pretende-se estudar de que maneira o potencial das metodologias de meta-aprendizado e redes Bayesianas poderia ser usado para facilitar a tarefa de criação de comitês de classificadores de expressão gênica, metodologias que têm sido bem sucedidas em diversos domínios, mas muito pouco exploradas no problema em estudo.

Publicações científicas
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
ESPEZUA, SOLEDAD; VILLANUEVA, EDWIN; MACIEL, CARLOS D.; CARVALHO, ANDRE. A Projection Pursuit framework for supervised dimension reduction of high dimensional small sample datasets. Neurocomputing, v. 149, n. B, p. 767-776, FEB 3 2015. Citações Web of Science: 10.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.