Análisis de asociaciones en escenarios de datos masivos
La cantidad de datos en estudios biológicos se ha incrementado dramáticamente en los últimos años debido a la incorporación de nuevas fuentes y capacidades de procesamiento. Los secuenciadores automáticos del ADN y los microarreglos han permitido obtener grandes volúmenes de información a nivel mole...
Guardado en:
Autores principales: | , , |
---|---|
Formato: | Objeto de conferencia |
Lenguaje: | Español |
Publicado: |
2011
|
Materias: | |
Acceso en línea: | http://sedici.unlp.edu.ar/handle/10915/125995 https://40jaiio.sadio.org.ar/sites/default/files/T2011/CAI/1114.pdf |
Aporte de: |
id |
I19-R120-10915-125995 |
---|---|
record_format |
dspace |
institution |
Universidad Nacional de La Plata |
institution_str |
I-19 |
repository_str |
R-120 |
collection |
SEDICI (UNLP) |
language |
Español |
topic |
Ciencias Informáticas Correlaciones Canónicas Procrustes PLS Mapas Auto-organizativos |
spellingShingle |
Ciencias Informáticas Correlaciones Canónicas Procrustes PLS Mapas Auto-organizativos Teich, Ingrid Planchuelo, Ana María Balzarini, Mónica Análisis de asociaciones en escenarios de datos masivos |
topic_facet |
Ciencias Informáticas Correlaciones Canónicas Procrustes PLS Mapas Auto-organizativos |
description |
La cantidad de datos en estudios biológicos se ha incrementado dramáticamente en los últimos años debido a la incorporación de nuevas fuentes y capacidades de procesamiento. Los secuenciadores automáticos del ADN y los microarreglos han permitido obtener grandes volúmenes de información a nivel molecular. Asimismo, los sensores remotos y los Sistemas de Información Geográfica proveen muchos datos a escala ecosistémica. Para estudiar a los organismos en forma integrada es necesario asociar los datos producidos por diferentes tecnologías. En biología de sistemas es esencial integrar información genómica, transcriptómica, proteómica, fenómica y ambiental. Modelar estadísticamente dichas interacciones es dificultoso desde el punto de vista computacional y biológico, sin embargo, los métodos algorítmicos filtran las principales señales de la información, permitiendo estudiar asociaciones, y el posterior modelado estadístico. En este trabajo se presentan distintas técnicas multivariadas que pueden ser usadas para comparar el nivel de covariación de distintos sets de datos entre situaciones o tratamientos y encontrar asociaciones entre ellos. Se describen e ilustran con datos de especies de importancia las técnicas de Análisis de Correlaciones Canónicas, Procrustes, Regresión por Cuadrados Mínimos y mapas Autorganizativos. |
format |
Objeto de conferencia Objeto de conferencia |
author |
Teich, Ingrid Planchuelo, Ana María Balzarini, Mónica |
author_facet |
Teich, Ingrid Planchuelo, Ana María Balzarini, Mónica |
author_sort |
Teich, Ingrid |
title |
Análisis de asociaciones en escenarios de datos masivos |
title_short |
Análisis de asociaciones en escenarios de datos masivos |
title_full |
Análisis de asociaciones en escenarios de datos masivos |
title_fullStr |
Análisis de asociaciones en escenarios de datos masivos |
title_full_unstemmed |
Análisis de asociaciones en escenarios de datos masivos |
title_sort |
análisis de asociaciones en escenarios de datos masivos |
publishDate |
2011 |
url |
http://sedici.unlp.edu.ar/handle/10915/125995 https://40jaiio.sadio.org.ar/sites/default/files/T2011/CAI/1114.pdf |
work_keys_str_mv |
AT teichingrid analisisdeasociacionesenescenariosdedatosmasivos AT planchueloanamaria analisisdeasociacionesenescenariosdedatosmasivos AT balzarinimonica analisisdeasociacionesenescenariosdedatosmasivos |
bdutipo_str |
Repositorios |
_version_ |
1764820449990017025 |