Expresion genica

Los datos procedentes de experimentos biomédicos ha proporcionado a los investigadores de aprendizaje automático con una importante fuente de motivación para el desarrollo y evaluación de nuevos algoritmos. Una nueva ola de desarrollo algorítmico se ha iniciado con la publicación de los datos de expresión de genes derivados de microarrays. Análisis de datos de microarrays es particularmentedifícil dado el gran número de medidas (típicamente en el orden de miles) que se reportó por relativamente pocas muestras (típicamente del orden de las decenas). Es importante que los investigadores de aprendizaje automático entender cómo se obtienen los datos y supuestos que son necesarios en el análisis. Microarray datos tienen el potencial de causar un impacto significativo en la investigación dela máquina de aprendizaje, no sólo como una fuente rica y realista de los casos para probar nuevos algoritmos, como ha sido el depósito de la máquina de aprendizaje UCI en las últimas décadas, sino también como una motivación principal de su desarrollo. En este artículo se revisan brevemente los microarrays de biología subyacente, el proceso de obtención de mediciones de la expresión génica, ylas razones detrás de los tipos comunes de análisis que participan en un experimento de microarrays. Planteamos los principales retos y consideraciones críticas reiteran respecto a la construcción de modelos de aprendizaje supervisado que utilizan este tipo de datos. El objetivo de este artículo es familiarizar a los investigadores de aprendizaje automático con los datos procedían de microarrays deexpresión génica.
Introducción
La comprensión de los procesos inter-celular e intracelular que subyacen a muchas enfermedades es esencial para mejorar la capacidad de diagnosticar y tratar a los pacientes. Revelación se espera que la complejidad subyacente a estos procesos biológicos para proporcionar nuevos herramientas de predicción para permitir, por ejemplo, la sub-clasificación de lasenfermedades y la eventual identificación de objetivos apropiados de drogas terapéuticas. El potencial para una caracterización adicional de las redes de regulación y las vías que controlan la homeostasis celular que se alteran en enfermedades se ha visto como una de las principales promesas de los análisis globales de perfiles de expresión génica. Micromatrices que miden la expresión de miles degenes al mismo tiempo han sido percibidos por muchos como un primer paso hacia esta meta ambiciosa [1-4].
Los investigadores biomédicos están tratando de descubrir las relaciones entre los genes y las enfermedades o etapas de desarrollo, así como las relaciones entre los genes. Por ejemplo, una aplicación de microarrays se puede utilizar para el descubrimiento de nuevos biomarcadores para elcáncer, que puede proporcionar un diagnóstico más preciso y herramientas de monitorización para la detección temprana de un subtipo particular de la enfermedad o la evaluación de la efectividad de un protocolo de tratamiento particular. Desde los experimentos de microarrays han crecido en términos de uso a través de los laboratorios, la cantidad de datos crece rápidamente, creando así un ambientepropicio para nuevas estrategias de cálculo.
1.1. Un nuevo tipo de datos
La disponibilidad de los repositorios públicos de los datos que son adecuados para la investigación de la máquina de aprendizaje es muy importante para el campo de la informática biomédica. El depósito de la máquina de aprendizaje UCI (http://www.ics.uci.edu/ ~ mLearn / MLRepository.html), que contiene datos clínicos ybiológicos, ha permitido a un gran número de investigadores para demostrar la eficacia de la nueva estadística y aprendizaje automático algoritmos en las últimas dos décadas. Nueva centralizado (http://www.ncbi.nlm.nih.gov/geo/) y las fuentes descentralizadas de datos biomédicos (sobre todo a partir de datos suplementarios en revistas o investigadores? Sitios web) han comenzado a acumularse desde el...