Análisis de asociaciones en escenarios de datos masivos

La cantidad de datos en estudios biológicos se ha incrementado dramáticamente en los últimos años debido a la incorporación de nuevas fuentes y capacidades de procesamiento. Los secuenciadores automáticos del ADN y los microarreglos han permitido obtener grandes volúmenes de información a nivel mole...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Teich, Ingrid, Planchuelo, Ana María, Balzarini, Mónica
Formato:	Objeto de conferencia
Lenguaje:	Español
Publicado:	2011
Materias:	Ciencias Informáticas Correlaciones Canónicas Procrustes PLS Mapas Auto-organizativos
Acceso en línea:	http://sedici.unlp.edu.ar/handle/10915/125995 https://40jaiio.sadio.org.ar/sites/default/files/T2011/CAI/1114.pdf
Aporte de:	SEDICI (UNLP) de Universidad Nacional de La Plata

id	I19-R120-10915-125995
record_format	dspace
institution	Universidad Nacional de La Plata
institution_str	I-19
repository_str	R-120
collection	SEDICI (UNLP)
language	Español
topic	Ciencias Informáticas Correlaciones Canónicas Procrustes PLS Mapas Auto-organizativos
spellingShingle	Ciencias Informáticas Correlaciones Canónicas Procrustes PLS Mapas Auto-organizativos Teich, Ingrid Planchuelo, Ana María Balzarini, Mónica Análisis de asociaciones en escenarios de datos masivos
topic_facet	Ciencias Informáticas Correlaciones Canónicas Procrustes PLS Mapas Auto-organizativos
description	La cantidad de datos en estudios biológicos se ha incrementado dramáticamente en los últimos años debido a la incorporación de nuevas fuentes y capacidades de procesamiento. Los secuenciadores automáticos del ADN y los microarreglos han permitido obtener grandes volúmenes de información a nivel molecular. Asimismo, los sensores remotos y los Sistemas de Información Geográfica proveen muchos datos a escala ecosistémica. Para estudiar a los organismos en forma integrada es necesario asociar los datos producidos por diferentes tecnologías. En biología de sistemas es esencial integrar información genómica, transcriptómica, proteómica, fenómica y ambiental. Modelar estadísticamente dichas interacciones es dificultoso desde el punto de vista computacional y biológico, sin embargo, los métodos algorítmicos filtran las principales señales de la información, permitiendo estudiar asociaciones, y el posterior modelado estadístico. En este trabajo se presentan distintas técnicas multivariadas que pueden ser usadas para comparar el nivel de covariación de distintos sets de datos entre situaciones o tratamientos y encontrar asociaciones entre ellos. Se describen e ilustran con datos de especies de importancia las técnicas de Análisis de Correlaciones Canónicas, Procrustes, Regresión por Cuadrados Mínimos y mapas Autorganizativos.
format	Objeto de conferencia Objeto de conferencia
author	Teich, Ingrid Planchuelo, Ana María Balzarini, Mónica
author_facet	Teich, Ingrid Planchuelo, Ana María Balzarini, Mónica
author_sort	Teich, Ingrid
title	Análisis de asociaciones en escenarios de datos masivos
title_short	Análisis de asociaciones en escenarios de datos masivos
title_full	Análisis de asociaciones en escenarios de datos masivos
title_fullStr	Análisis de asociaciones en escenarios de datos masivos
title_full_unstemmed	Análisis de asociaciones en escenarios de datos masivos
title_sort	análisis de asociaciones en escenarios de datos masivos
publishDate	2011
url	http://sedici.unlp.edu.ar/handle/10915/125995 https://40jaiio.sadio.org.ar/sites/default/files/T2011/CAI/1114.pdf
work_keys_str_mv	AT teichingrid analisisdeasociacionesenescenariosdedatosmasivos AT planchueloanamaria analisisdeasociacionesenescenariosdedatosmasivos AT balzarinimonica analisisdeasociacionesenescenariosdedatosmasivos
bdutipo_str	Repositorios
_version_	1764820449990017025

Análisis de asociaciones en escenarios de datos masivos

Ejemplares similares