Clustering de amostras de dados de expressão gênica utilizando duas métricas de similaridade biologicamente inspiradas

• Autor(a) principal: Saulo Augusto de Paula Pinto
• Data de Publicação: 2008
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Repositório Institucional da UFMG
• Texto Completo: http://hdl.handle.net/1843/55791
• topic: Aprendizagem não-supervisionada; Clustering; Métricas de similaridade; Amostras de dados de expressão gênica; Bioinformática; Aprendizado de máquina não supervisionado; Expresssão gênetica; Métrica

Os algoritmos de clustering estão entre os mais utilizados na análise de dados de expressão gêni-ca. Por ser uma técnica exploratória, o clustering permite aos pesquisadores encontrar padrões de expressão similares entre os diversos tecidos amostrados indicando quais condições amostra-das são mais similares. O presente trabalho apresenta duas metodologias para o cálculo da simi-laridade entre amostras inteiras de dados de expressão gênica utilizando uma fração das seqüên-cias mais expressas (MESs) em cada amostra, que originam duas métricas diferentes. Ambas as métricas são computadas com base na ordenação da expressão das várias seqüências presentes nas amostras, sendo que uma privilegia o compartilhamento entre seqüências mais expressas entre amostras (chamada de similaridade MESs) e a outra a manutenção da ordem de expressão das seqüências (chamada de conservação da ordenação MESs). O clustering hierárquico utilizan-do as métricas de similaridade propostas foi aplicado em 18 séries de dados de expressão gênica, totalizando 612 amostras, e os resultados foram comparados àqueles produzidos utilizando-se métricas tradicionais como a distância euclidiana e correlações de Pearson e Spearman. No ge-ral, a utilização das duas métricas propostas produziu resultados que superaram as demais: a si-milaridade MESs apresentou uma acurácia de cerca de 89% e a conservação da ordenação MESs de 80%, enquanto a melhor métrica tradicional para os dados utilizados foi a correlação de Pear-son que apresentou acurácia de 76%. Os resultados apresentados indicam que as métricas apre-sentadas são uma alternativa às métricas tradicionais, além de proverem dados que refletem características biologicamente significativas dos sistemas amostrados.