Resumen

La mayoría de los algoritmos de análisis de datos de expresión génica requieren la matriz completa de expresión génica sin valores faltantes. Por lo tanto, es necesario idear métodos que imputen con precisión los valores de datos faltantes. Existen varios algoritmos de imputación para estimar esos valores faltantes. Este trabajo comienza con un conjunto de datos de microarrays que contiene múltiples valores faltantes. Primero aplicamos la versión modificada del método existente basado en la teoría difusa LRFDVImpute para imputar múltiples valores faltantes de datos de expresión génica de series temporales y luego validamos el resultado de la imputación mediante la metodología de clasificación de genes basada en algoritmos genéticos (GA) junto con algunas técnicas de validación estadística regulares, como el método RMSE. Hasta donde sabemos, la clasificación de genes aún no se ha utilizado para validar el resultado de la estimación de valores faltantes. En primer lugar, el método propuesto se ha probado en el conjunto de datos Spellman muy popular y los resultados muestran que

• Materias:Sistemas lineales difusos Reglas difusas Conjuntos borrosos Sistema de bobinado
• Subjects:Linear fuzzy systems Fuzzy rules Fuzzy sets Winding system
• Palabras claves:Análisis de datos de expresión génica; Valores de datos faltantes; Algoritmos de imputación; Datos de expresión génica de series temporales; Algoritmo genético; Clasificación de genes
• Keywords:Gene expression data analysis; Missing data values; Imputation algorithms; Time series gene expression data; Genetic algorithm; Gene ranking