Resumen

La identificación de grupos funcionales de genes es un problema difícil para las aplicaciones biológicas. Los enfoques de minería de textos pueden utilizarse para construir clusters o árboles jerárquicos a partir de la información de la literatura biológica. En particular, se examina la factorización matricial no negativa (NMF) como un enfoque para etiquetar árboles jerárquicos. Se propone un algoritmo de etiquetado genérico, así como una técnica de evaluación, y se discuten los efectos de diferentes parámetros de NMF con respecto a la convergencia y la precisión del etiquetado. Los objetivos principales de este estudio son proporcionar una evaluación cualitativa del NMF y sus diversos parámetros e inicialización, proporcionar una forma automatizada de clasificar los datos biomédicos, y proporcionar un método para evaluar los datos etiquetados asumiendo un árbol de entrada estático. Como subproducto, se propone un método para generar árboles estándar de oro.

• Materias:Reacciones químicas Microorganismos Farmacología Iones Química bioinorgánica
• Subjects:Chemical reactions Microorganisms Pharmacology Ions Bioinorganic chemistry
• Palabras claves:árbol de entrada estático, algoritmo de etiquetado genérico, factorización de la matriz no negativa, enfoque de minería de texto, grupo de genes, diferentes parámetros de nmf, problema desafiante, varios parámetros, árbol jerárquico, forma automatizada
• Keywords:static input tree, generic labeling algorithm, nonnegative matrix factorization, text mining approach, group of gene, different nmf parameters, challenging problem, various parameters, hierarchical tree, automated way