Resumen

Debido a que cada enfermedad tiene su propio patrón de supervivencia único, es necesario encontrar un modelo adecuado para simular seguimientos. El microarreglo de ADN es una técnica útil para detectar miles de expresiones génicas a la vez y suele emplearse para clasificar diferentes tipos de cáncer. Proponemos métodos de combinación de modelos de regresión penalizada y factorización de matrices no negativas (NMF) para predecir la supervivencia. Probamos la regresión penalizada - (lasso), - (ridge) y - combinada (red elástica) para los datos de microarreglos de pacientes con linfoma difuso de células B grandes (DLBCL) y encontramos que el método combinado predice mejor la supervivencia con el valor de logrank más pequeño. Además, el 80% de los genes seleccionados se ha reportado que se correlacionan con la carcinogénesis o el linfoma. A través de NMF encontramos que los pacientes con DLBCL pueden dividirse claramente en 4 grupos, lo que implica que el DLBCL

• Materias:Robots Cuidados pediátricos Experimentos numéricos Radares Factores psicológicos
• Subjects:Robot Pediatric care Numerical experiments Radars Psychological factors
• Palabras claves:Enfermedad; Supervivencia; Microarray de ADN; Modelos de regresión penalizados; Factorización de matriz no negativa; DLBCL
• Keywords:Disease; Survival; DNA microarray; Penalized regression models; Nonnegative matrix factorization; DLBCL