Estrategias estadísticas y de aprendizaje automático en genómica y proteómica funcional

Mostrar todas las versiones(2)

El objetivo de este proyecto, enmarcado en el área de metodología de análisis en bioingeniería-biotecnología aplicadas al estudio del cancer, es el análisis y caracterización a través de perfiles de expresión de proteínas y genes de las vías metabolicas asociadas a progresión tumoral. Dicho estudio...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Fernández, Elmer Andrés, Amiune, Hernán Miguel, Fresno, Cristóbal
Formato: info:eu-repo/semantics/other Proyecto de investigación acceptedVersion
Lenguaje:Español
Publicado: Universidad Católica de Córdoba 2010
Materias:
R Medicina (General)
T Tecnología (General)
Acceso en línea:http://pa.bibdigital.ucc.edu.ar/432/1/PI_Fernandez_Amiune.pdf
Aporte de:
Producción Académica Universidad Católica de Córdoba (UCCor) de Universidad Católica de Córdoba
id I38-R144-432
record_format dspace
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 R Medicina (General)
T Tecnología (General)
spellingShingle R Medicina (General)
T Tecnología (General)
Fernández, Elmer Andrés
Amiune, Hernán Miguel
Fresno, Cristóbal
Estrategias estadísticas y de aprendizaje automático en genómica y proteómica funcional
topic_facet R Medicina (General)
T Tecnología (General)
description El objetivo de este proyecto, enmarcado en el área de metodología de análisis en bioingeniería-biotecnología aplicadas al estudio del cancer, es el análisis y caracterización a través de perfiles de expresión de proteínas y genes de las vías metabolicas asociadas a progresión tumoral. Dicho estudio se llevará a cabo mediante la utilización de tecnologías de alto rendimiento. Las mismas permiten evaluar miles de genes/proteínas en forma simultánea, generando así una gran cantidad de datos de expresión. Se hipotetiza que para un análisis e interpretación de la información subyacente, caracterizada por su abundancia y complejidad, podría realizarse mediante técnicas estadístico-computacionales eficientes en el contexto de modelos mixtos y técnias de aprendizaje automático. Para que el análisis sea efectivo es necesario contemplar los efectos ocasionados por los diferentes factores experimentales ajenos al fenómeno biológico bajo estudio. Estos efectos pueden enmascarar la información subycente y así perder informacion relavante en el contexto de progresión tumoral. La identificación de estos efectos permitirá obtener, eficientemente, los perfiles de expresión molecular que podrían permitir el desarrollo de métodos de diagnóstico basados en ellos. Con este trabajo se espera poner a disposición de investigadores de nuestro medio, herramientas y procedimientos de análisis que maximicen la eficiencia en el uso de los recursos asignados a la masiva captura de datos genómicos/proteómicos que permitan extraer información biológica relevante pertinente al análisis, clasificación o predicción de cáncer, el diseño de tratamientos y terapias específicos y el mejoramiento de los métodos de detección como así tambien aportar al entendimieto de la progresión tumoral mediante análisis computacional intensivo.
format info:eu-repo/semantics/other
Proyecto de investigación
acceptedVersion
author Fernández, Elmer Andrés
Amiune, Hernán Miguel
Fresno, Cristóbal
author_facet Fernández, Elmer Andrés
Amiune, Hernán Miguel
Fresno, Cristóbal
author_sort Fernández, Elmer Andrés
title Estrategias estadísticas y de aprendizaje automático en genómica y proteómica funcional
title_short Estrategias estadísticas y de aprendizaje automático en genómica y proteómica funcional
title_full Estrategias estadísticas y de aprendizaje automático en genómica y proteómica funcional
title_fullStr Estrategias estadísticas y de aprendizaje automático en genómica y proteómica funcional
title_full_unstemmed Estrategias estadísticas y de aprendizaje automático en genómica y proteómica funcional
title_sort estrategias estadísticas y de aprendizaje automático en genómica y proteómica funcional
publisher Universidad Católica de Córdoba
publishDate 2010
url http://pa.bibdigital.ucc.edu.ar/432/1/PI_Fernandez_Amiune.pdf
work_keys_str_mv AT fernandezelmerandres estrategiasestadisticasydeaprendizajeautomaticoengenomicayproteomicafuncional
AT amiunehernanmiguel estrategiasestadisticasydeaprendizajeautomaticoengenomicayproteomicafuncional
AT fresnocristobal estrategiasestadisticasydeaprendizajeautomaticoengenomicayproteomicafuncional
bdutipo_str Repositorios
_version_ 1764820534885875713

Ejemplares similares