Extracto
Con el avance de la tecnología de microarrays, ahora es posible estudiar los perfiles de expresión de miles de genes a través de diferentes condiciones experimentales o muestras de tejido de forma simultánea. conjuntos de datos de microarrays cáncer, organizados como muestras frente a la moda genes, están siendo utilizados para la clasificación de las muestras de tejido en subtipos benignos y malignos o sus. También son útiles para la identificación de posibles marcadores de genes para cada subtipo de cáncer, lo que ayuda en el diagnóstico con éxito de determinados tipos de cáncer. En este artículo, hemos presentado una técnica de clasificación de cáncer sin supervisión basados en la agrupación genética multiobjetivo de las muestras de tejido. En este sentido, una codificación con código real de los centros de los conglomerados se utiliza y la compacidad de clúster y separación están optimizados simultáneamente. El conjunto resultante de soluciones casi óptimas de Pareto contiene una serie de soluciones no dominadas. Un nuevo enfoque para combinar la información de agrupación poseído por las soluciones no dominadas través de la máquina de vectores de soporte se ha propuesto (SVM) clasificador. agrupamiento final se obtiene por consenso entre los agrupamientos producidas por diferentes funciones del kernel. El rendimiento del método de agrupamiento multiobjetivo propuesto ha sido comparada con la de varios otros algoritmos de agrupamiento microarray para tres conjuntos de datos disponibles al público de referencia de cáncer. Por otra parte, se han realizado pruebas de significación estadística para establecer la superioridad estadística de la agrupación método propuesto. Además, los marcadores de genes relevantes han sido identificados utilizando la agrupación resultado producido por el método de agrupamiento propuesto y demostrado visualmente. relaciones biológicas entre los marcadores de genes también se estudian en base a la ontología de genes. Los resultados obtenidos se encontró que prometedor y, posiblemente, pueden tener un impacto importante en la esfera de la clasificación no supervisada de cáncer, así como la identificación de marcadores génicos para múltiples subtipos de cáncer de
Visto:. Mukhopadhyay A, Bandyopadhyay S, T Maulik (2010 ) Multi-Class La agrupación de los subtipos del cáncer a través de SVM basado en Ensemble de soluciones Pareto óptimas para la identificación de genes marcadores. PLoS ONE 5 (11): e13803. doi: 10.1371 /journal.pone.0013803
Editor: Alfons Navarro, Universidad de Barcelona, España