Tesis doctorales: TESEO

Ayuda Salir

Ficha de Tesis

Imprimir

Ministerio de Universidades - Gobierno de España

Título: EXTRACCIÓN DE CONOCIMIENTO DE MICROARRAYS Y LITERATURA BIOMÉDICA PARA EL ESTUDIO DE LA REGULACIÓN GENÉTICA
Autor: Cano Gutiérrez, Carlos
Universidad: Universidad de Granada
Departamento: CIENCIAS DE LA COMPUTACION E INTELIGENCIA ARITIFICIAL
Fecha de Lectura: 18/02/2010
Programa de doctorado: DISEÑO, ANÁLISIS Y APLICACIONES DE SISTEMAS INTELIGENTES
Dirección:
- Blanco Morón, Armando (DIRECTOR)
Tribunal:
- VILA MIRANDA, MARIA AMPARO (PRESIDENTE)
- Lorente Acosta, Jose Antonio (SECRETARIO)
- Peshkin, Leonid (VOCAL)
- Dopazo Blázquez, Joaquín (VOCAL)
- MARIN RODRIGUEZ, ANTONIO (VOCAL)
Descriptores:
- INFORMATICA
- CIENCIAS DE LA VIDA
Fichero de tesis:
Marcador: https://www.educacion.gob.es/teseo/mostrarRef.do?ref=864825Añadir a favoritos.
Resumen:
Con la disponibilidad de los genomas completos de un creciente número de organismos, la bioinformática se ha erigido como un pilar imprescindible en la investigación y desarrollo de las ciencias biomédicas, jugando un papel esencial tanto en el análisis de datos genómicos y proteómicos generados por las tecnologías de altas prestaciones, como en la organización y almacenamiento de información derivada de estas tecnologías. Esta memoria presenta varias aportaciones al estudio de los mecanismos de regulación celulares y la base genética de las enfermedades, mediante el análisis de datos producidos por tecnologías de microarrays de expresión y la información contenida en textos biomédicos y clínicos. Respecto al análisis de datos de expresión genética, se proponen varios algoritmos de clustering y biclustering no-exclusivos para la identificación de grupos de genes que exhiban patrones de expresión similares. Los métodos propuestos utilizan distintos criterios de optimización e implementan diversos paradigmas computacionales, desde el análisis de componentes principales, hasta algoritmos evolutivos o la lógica difusa. Respecto al análisis de textos biomédicos, en esta memoria se presentan dos contribuciones: una herramienta web de código abierto para la anotación colaborativa de textos biomédicos con la asistencia de herramientas de textmining, y un clasificador basado en regresión logística, para la identificación automática de diagnósticos de interés en el texto de historias clínicas.

Imprimir

Modificar Consulta Nueva Consulta

Versión 4.4