Desarrollo de metodologías bioinformáticas basadas en machine learning, estadística multivariada y big data para búsqueda de patrones en cohortes de tumores

En la actualidad, la existencia de innumerables bases de datos almacenando experimentos genómicos, transcriptómicos, proteómicos, etc proporciona una excelente fuente de datos que pueden ser indagados para abordar distintos cuestionamientos biológicos y experimentales. Asimismo, estas bases de datos...

Descripción completa

Detalles Bibliográficos
Autor principal: Fernández, Elmer Andrés dir.
Formato: proyecto_de_investigacion
Lenguaje:Español
Publicado: 2019
Materias:
Procesos Innovativos
R Medicina (General)
T Tecnología (General)
Acceso en línea:http://pa.bibdigital.ucc.edu.ar/1756/1/PI_Fernandez_Elmer.pdf
Aporte de:
Producción Académica Universidad Católica de Córdoba (UCCor) de Universidad Católica de Córdoba
id I38-R144-1756
record_format dspace
spelling I38-R144-17562025-03-05T21:17:21Z http://pa.bibdigital.ucc.edu.ar/1756/ Desarrollo de metodologías bioinformáticas basadas en machine learning, estadística multivariada y big data para búsqueda de patrones en cohortes de tumores Fernández, Elmer Andrés dir. Procesos Innovativos R Medicina (General) T Tecnología (General) En la actualidad, la existencia de innumerables bases de datos almacenando experimentos genómicos, transcriptómicos, proteómicos, etc proporciona una excelente fuente de datos que pueden ser indagados para abordar distintos cuestionamientos biológicos y experimentales. Asimismo, estas bases de datos permiten validar hipótesis y hallazgos sin la necesidad de planificar costosos proyectos de reclutamiento de pacientes, permitiendo un análisis restrospectivo de los mismos. Inicialmente estas bases de datos sólo proporcionaban una fuente determinada (transcriptómica fundamentalmente) sobre una cohorte de pacientes particular. Sin embargo, desde la creación del proyecto The Cancer Genome Atlas, contamos también con la posibilidad de indagar varios niveles ómicos sobre los mismos pacientes en forma simultánea, pudiendo relacionar distintos estratos moleculares y evaluar comprensivamente su relación e interacción tanto entre sí como con la clínica, la terapia o el desarrollo de la enfermedad. Esto permite además evaluar y validar in-silico hallazgos realizados mediante técnicas de bajo rendimiento, buscando su correlato a nivel de distintas cohortes y a través de distintos niveles de información molecular.Es por ello que en este proyecto proponemos la exploración y desarrollo de nuevos métodos bioinformáticos para el abordaje integral de datos multiómicos y multi-plataforma y aplicarlo a la búsqueda, caracterización y validación de posibles blancos terapéuticos/ diagnósticos permitiendo un uso más eficiente de las tecnologías ómicas y así ayudar a un un abordaje comprensivo e integral del estudio del cáncer. 2019-01-01 proyecto_de_investigacion info:eu-repo/semantics/closedAccess application/pdf spa http://pa.bibdigital.ucc.edu.ar/1756/1/PI_Fernandez_Elmer.pdf Fernández, Elmer Andrés dir. ORCID: https://orcid.org/0000-0002-4711-8634 <https://orcid.org/0000-0002-4711-8634> (2019) Desarrollo de metodologías bioinformáticas basadas en machine learning, estadística multivariada y big data para búsqueda de patrones en cohortes de tumores. [Proyecto de investigación]
institution Universidad Católica de Córdoba
institution_str I-38
repository_str R-144
collection Producción Académica Universidad Católica de Córdoba (UCCor)
language Español
orig_language_str_mv spa
topic Procesos Innovativos
R Medicina (General)
T Tecnología (General)
spellingShingle Procesos Innovativos
R Medicina (General)
T Tecnología (General)
Fernández, Elmer Andrés dir.
Desarrollo de metodologías bioinformáticas basadas en machine learning, estadística multivariada y big data para búsqueda de patrones en cohortes de tumores
topic_facet Procesos Innovativos
R Medicina (General)
T Tecnología (General)
description En la actualidad, la existencia de innumerables bases de datos almacenando experimentos genómicos, transcriptómicos, proteómicos, etc proporciona una excelente fuente de datos que pueden ser indagados para abordar distintos cuestionamientos biológicos y experimentales. Asimismo, estas bases de datos permiten validar hipótesis y hallazgos sin la necesidad de planificar costosos proyectos de reclutamiento de pacientes, permitiendo un análisis restrospectivo de los mismos. Inicialmente estas bases de datos sólo proporcionaban una fuente determinada (transcriptómica fundamentalmente) sobre una cohorte de pacientes particular. Sin embargo, desde la creación del proyecto The Cancer Genome Atlas, contamos también con la posibilidad de indagar varios niveles ómicos sobre los mismos pacientes en forma simultánea, pudiendo relacionar distintos estratos moleculares y evaluar comprensivamente su relación e interacción tanto entre sí como con la clínica, la terapia o el desarrollo de la enfermedad. Esto permite además evaluar y validar in-silico hallazgos realizados mediante técnicas de bajo rendimiento, buscando su correlato a nivel de distintas cohortes y a través de distintos niveles de información molecular.Es por ello que en este proyecto proponemos la exploración y desarrollo de nuevos métodos bioinformáticos para el abordaje integral de datos multiómicos y multi-plataforma y aplicarlo a la búsqueda, caracterización y validación de posibles blancos terapéuticos/ diagnósticos permitiendo un uso más eficiente de las tecnologías ómicas y así ayudar a un un abordaje comprensivo e integral del estudio del cáncer.
format proyecto_de_investigacion
author Fernández, Elmer Andrés dir.
author_facet Fernández, Elmer Andrés dir.
author_sort Fernández, Elmer Andrés dir.
title Desarrollo de metodologías bioinformáticas basadas en machine learning, estadística multivariada y big data para búsqueda de patrones en cohortes de tumores
title_short Desarrollo de metodologías bioinformáticas basadas en machine learning, estadística multivariada y big data para búsqueda de patrones en cohortes de tumores
title_full Desarrollo de metodologías bioinformáticas basadas en machine learning, estadística multivariada y big data para búsqueda de patrones en cohortes de tumores
title_fullStr Desarrollo de metodologías bioinformáticas basadas en machine learning, estadística multivariada y big data para búsqueda de patrones en cohortes de tumores
title_full_unstemmed Desarrollo de metodologías bioinformáticas basadas en machine learning, estadística multivariada y big data para búsqueda de patrones en cohortes de tumores
title_sort desarrollo de metodologías bioinformáticas basadas en machine learning, estadística multivariada y big data para búsqueda de patrones en cohortes de tumores
publishDate 2019
url http://pa.bibdigital.ucc.edu.ar/1756/1/PI_Fernandez_Elmer.pdf
work_keys_str_mv AT fernandezelmerandresdir desarrollodemetodologiasbioinformaticasbasadasenmachinelearningestadisticamultivariadaybigdataparabusquedadepatronesencohortesdetumores
_version_ 1832592036069376000

Ejemplares similares