Meta-aprendizado e Redes Bayesianas na Criação de Comitês de Classificação de Dados de Expressão Gênica

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.