SVMRFE-GSEA: módulo de aprendizaje supervisado en GSEA

El presente trabajo presenta un módulo de software que amplia y fortalece las capacidades de GSEA. El principal objetivo de SVMRFE-GSEA es mejorar el análisis de selección de genes y hacerlo más robusto. Para ello, SVMRFEGSEA completa los resultados de las métricas de GSEA con un aprendizaje automat...

Descripción completa

Detalles Bibliográficos
Autores principales: Murillo, Javier, Tapia, Elizabeth, Guillaume, Serge, Bulacio, Pilar
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2010
Materias:
SVM
RFE
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/152975
http://39jaiio.sadio.org.ar/sites/default/files/39jaiio-cais-19_0.pdf
Aporte de:
id I19-R120-10915-152975
record_format dspace
spelling I19-R120-10915-1529752023-05-15T20:04:18Z http://sedici.unlp.edu.ar/handle/10915/152975 http://39jaiio.sadio.org.ar/sites/default/files/39jaiio-cais-19_0.pdf issn:1853-1881 SVMRFE-GSEA: módulo de aprendizaje supervisado en GSEA Murillo, Javier Tapia, Elizabeth Guillaume, Serge Bulacio, Pilar 2010 2010 2023-05-15T13:49:20Z es Ciencias Informáticas GSEA Análisis conjunto de genes aprendizaje automatizado SVM RFE Support Vector Machine El presente trabajo presenta un módulo de software que amplia y fortalece las capacidades de GSEA. El principal objetivo de SVMRFE-GSEA es mejorar el análisis de selección de genes y hacerlo más robusto. Para ello, SVMRFEGSEA completa los resultados de las métricas de GSEA con un aprendizaje automatizado que considera la interacción entre genes. Resultados experimentales sobre el conjunto de datos Diabetes y Leukemia muestran un primer aporte de la herramienta. Sociedad Argentina de Informática e Investigación Operativa Objeto de conferencia Objeto de conferencia http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) application/pdf 3085-3091
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Informáticas
GSEA
Análisis conjunto de genes
aprendizaje automatizado
SVM
RFE
Support Vector Machine
spellingShingle Ciencias Informáticas
GSEA
Análisis conjunto de genes
aprendizaje automatizado
SVM
RFE
Support Vector Machine
Murillo, Javier
Tapia, Elizabeth
Guillaume, Serge
Bulacio, Pilar
SVMRFE-GSEA: módulo de aprendizaje supervisado en GSEA
topic_facet Ciencias Informáticas
GSEA
Análisis conjunto de genes
aprendizaje automatizado
SVM
RFE
Support Vector Machine
description El presente trabajo presenta un módulo de software que amplia y fortalece las capacidades de GSEA. El principal objetivo de SVMRFE-GSEA es mejorar el análisis de selección de genes y hacerlo más robusto. Para ello, SVMRFEGSEA completa los resultados de las métricas de GSEA con un aprendizaje automatizado que considera la interacción entre genes. Resultados experimentales sobre el conjunto de datos Diabetes y Leukemia muestran un primer aporte de la herramienta.
format Objeto de conferencia
Objeto de conferencia
author Murillo, Javier
Tapia, Elizabeth
Guillaume, Serge
Bulacio, Pilar
author_facet Murillo, Javier
Tapia, Elizabeth
Guillaume, Serge
Bulacio, Pilar
author_sort Murillo, Javier
title SVMRFE-GSEA: módulo de aprendizaje supervisado en GSEA
title_short SVMRFE-GSEA: módulo de aprendizaje supervisado en GSEA
title_full SVMRFE-GSEA: módulo de aprendizaje supervisado en GSEA
title_fullStr SVMRFE-GSEA: módulo de aprendizaje supervisado en GSEA
title_full_unstemmed SVMRFE-GSEA: módulo de aprendizaje supervisado en GSEA
title_sort svmrfe-gsea: módulo de aprendizaje supervisado en gsea
publishDate 2010
url http://sedici.unlp.edu.ar/handle/10915/152975
http://39jaiio.sadio.org.ar/sites/default/files/39jaiio-cais-19_0.pdf
work_keys_str_mv AT murillojavier svmrfegseamodulodeaprendizajesupervisadoengsea
AT tapiaelizabeth svmrfegseamodulodeaprendizajesupervisadoengsea
AT guillaumeserge svmrfegseamodulodeaprendizajesupervisadoengsea
AT bulaciopilar svmrfegseamodulodeaprendizajesupervisadoengsea
_version_ 1766370191840641024