Investigação sobre eficiência de metaheurísticas para seleção de características em bancos de expressão gênica

• Processo: 17/24539-7
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de fevereiro de 2018
• Data de Término da vigência: 31 de janeiro de 2019
• Área de 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: Juliano Decico Negri
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Vinculado ao auxílio: 13/07375-0 - CeMEAI - Centro de Ciências Matemáticas Aplicadas à Indústria, AP.CEPID
• Assunto(s): Aprendizado computacional Meta-heurística Mineração de dados Análise de sequência de RNA Expressão gênica
• Palavra(s)-Chave do Pesquisador: Aprendizagem de Maquina | metaheuristica | Mineração de Dados | Seleção de Características | Seleção de Genes | Aprendizado de Máquina

Resumo

Os estudos de diversas patologias, como o câncer, podem ser beneficiados por tecnologias capazes de capturar a expressão dos genes em tecidos, tais como o RNA-Seq e Microarray, que relacionam o desenvolvimento da doença com a expressão gênica do paciente. Entretanto, trabalhar com um grande volume de dados gera novos desafios. Nesse contexto, a seleção de atributos, como parte do pré-processamento dos dados, se faz muito importante, principalmente quando há uma elevada dimensionalidade, que é o caso dos dados supracitados. Várias técnicas para seleção de atributos podem ser encontradas na literatura, mas poucas foram testadas com RNA-Seq. Este projeto investiga a funcionalidade de diferentes técnicas baseadas em metaheurísticas para a seleção de atributos em conjuntos de dados de expressão. (AU)