Please use this identifier to cite or link to this item: https://rinacional.tecnm.mx/jspui/handle/TecNM/1365
Title: Selección de variantes genéticas asociadas a enfermedades crónico degenerativas usando técnicas de aprendizaje automático
Authors: Moncada Vazquez, Carlos Alberto%856947
metadata.dc.subject.other: modelos predictivos ADN osteosarcoma
Issue Date: 2019-06-28
Publisher: Tecnológico Nacional de México
metadata.dc.publisher.tecnm: Centro Nacional de Investigación y Desarrollo Tecnológico
Description: En esta tesis, se define un procedimiento que permite utilizar las técnicas de Aprendizaje Automático al problema de clasificación de datos masivos. Usando para ello los siguientes elementos: preprocesamiento de los datos, análisis de componentes independientes, entrenamiento de los clasificadores y la evaluación de los clasificadores. El objetivo fundamental es proveer de una herramienta de diagnóstico molecular (HDM) adecuada para la solución de problemas complejos en el genoma, concretamente en la secuenciación de ADN de Osteosarcoma, basada en modelos predictivos, los cuales son obtenidos por inferencia automática de conocimiento a partir del manejo de los datos. La experimentación realizada se hizo mediante un banco de datos proporcionado por el Laboratorio de Biología de Sistemas y Medicina Traslacional (BSMT) de la Universidad Autónoma del Estado de Morelos (UAEM). Los resultados obtenidos muestran que los métodos de clasificación propuestos logran hasta un 93.60% de precisión en la identificación de aquellos genes relacionados al Osteosarcoma.
metadata.dc.type: info:eu-repo/semantics/masterThesis
Appears in Collections:Tesis de Maestría en Computación

Files in This Item:
File Description SizeFormat 
MC_Carlos_Alberto_Moncada_Vazquez_2019.pdfTesis3.68 MBAdobe PDFView/Open
MC_Carlos_Alberto_Moncada_Vazquez_2019.pdf
  Until 3021-06-21
Cesión de derechos43.68 kBAdobe PDFView/Open Request a copy


This item is protected by original copyright



This item is licensed under a Creative Commons License Creative Commons