Estrategias estadísticas y de aprendizaje automático en genómica y proteómica funcional
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...
Guardado en:
Autores principales: | , , |
---|---|
Formato: | info:eu-repo/semantics/other Proyecto de investigación acceptedVersion |
Lenguaje: | Español |
Publicado: |
Universidad Católica de Córdoba
2010
|
Materias: | |
Acceso en línea: | http://pa.bibdigital.ucc.edu.ar/432/1/PI_Fernandez_Amiune.pdf |
Aporte de: |
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 |