Resumen

Los datos de microarreglos son de alta dimensión con una alta relación señal-ruido y un tamaño de muestra relativamente pequeño, lo que hace que sea un desafío utilizar los datos de microarreglos para identificar genes candidatos de enfermedades. Aquí, hemos presentado un método híbrido que combina la estimación del algoritmo de distribución con la máquina de vectores de soporte para la selección de genes característicos clave. Hemos evaluado el método utilizando los datos de microarreglos tanto del linfoma B de células difusas como del cáncer de colon para demostrar su rendimiento en la identificación de características clave a partir de los datos de perfil de expresión génica de alta dimensión. El método se comparó con un modelo probabilístico basado en algoritmos genéticos y otro método híbrido basado en algoritmos genéticos y máquina de vectores de soporte. Los resultados mostraron que el método propuesto proporciona una nueva estrategia computacional para la búsqueda de genes candidatos de enfermedades a partir de los datos de perfil de expresión génica de enfermed

• Materias:Robots Cuidados pediátricos Experimentos numéricos Radares Factores psicológicos
• Subjects:Robot Pediatric care Numerical experiments Radars Psychological factors
• Palabras claves:Datos de microarray; Alto índice de ruido; Tamaño de muestra pequeño; Genes candidatos de enfermedades; Método híbrido; Máquina de vectores de soporte
• Keywords:Microarray data; High noise ratio; Small sample size; Candidate disease genes; Hybrid method; Support vector machine