Resumen

Hay muchos enfoques de biología molecular para el análisis de microARN (miARN) e interacciones con los objetivos, pero los experimentos son complejos y costosos. Por esta razón, los enfoques computacionales in silico capaces de modelar estas interacciones moleculares son muy deseables. Aunque se han desarrollado varios métodos computacionales para predecir las interacciones entre miARN y genes objetivo, existen diferencias sustanciales en los resultados obtenidos ya que la mayoría de los algoritmos proporcionan un gran número de falsos positivos. Por lo tanto, los enfoques de aprendizaje automático son ampliamente utilizados para integrar predicciones obtenidas de diferentes herramientas. En este trabajo, adoptamos un método llamado GP multiclase multidimensional con poblaciones multidimensionales (M3GP), que se basa en un enfoque de programación genética, para integrar y clasificar resultados de diferentes herramientas de predicción de miARN-objetivo. Los resultados se comparan con los obtenidos con otros clasificadores, mostrando una precisión competitiva. Dado que nuestro objetivo es proporcionar predicc

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Biología molecular; MicroRNA; Interacciones; Enfoques computacionales; Aprendizaje automático; Programación genética
• Keywords:Molecular biology; MicroRNA; Interactions; Computational approaches; Machine learning; Genetic programming