Resumen

Con el reciente desarrollo de las biotecnologías, los chips de microarrays de cDNA se aplican cada vez más en la investigación del cáncer. Los experimentos de microarrays pueden llevar a una comprensión más profunda de las variaciones moleculares entre los tumores, ya que permiten monitorear los niveles de expresión en las células de miles de genes simultáneamente. Por lo tanto, cómo discriminar con éxito las clases de tumores utilizando datos de expresión génica es un tema de investigación urgente y desempeña un papel importante en la carcinogénesis. Para refinar la gran dimensión de los datos de genes y clasificar eficazmente las clases de tumores, este estudio propone varios procedimientos híbridos de discriminación que combinan técnicas basadas en estadísticas y enfoques de inteligencia computacional para discriminar las clases de tumores. Se utilizó un conjunto de datos de microarrays reales para demostrar el rendimiento de los enfoques propuestos. Además, los resultados de experimentos de validación cruzada revelan que los modelos híbridos de dos etapas propuestos son más

• Materias:Ecuaciones en diferencias Ecuación unidimensional Filtrado de información Prevención de interbloqueos Sistemas estocásticos
• Subjects:Difference equations One-dimensional equation Information filtering Interlock prevention Stochastic systems
• Palabras claves:Desarrollo; Biotecnologías; Chips de microarrays de cDNA; Investigación del cáncer; Datos de expresión génica; Clases de tumores
• Keywords:Development; Biotechnologies; CDNA microarray chips; Cancer research; Gene expression data; Tumor classes