Determinação de genes potencialmente responsivos à radiação ionizante através de aprendizado de máquina
Autor(a) principal: | |
---|---|
Data de Publicação: | 2013 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UNESP |
Texto Completo: | http://hdl.handle.net/11449/122991 http://www.athena.biblioteca.unesp.br/exlibris/bd/capelo/2015-03-30/000818786.pdf |
Resumo: | A predição da resposta do tumor a radioterapia e a questão mais importante durante o tratamento de pacientes com câncer. Como consequência, a predição de genes que sejam responsivos a radiação ionizante e uma possibilidade para a melhoria dos resultados clínicos e a otimização das doses as quais os pacientes são submetidos ao longo do tratamento. Juntamente com esses dados, é possível obter respostas sobre os mecanismos de resistência a radiação dos tumores e até mesmo a identificação de biomarcadores responsáveis pela resistência a radiação ionizante que podem ser potenciais para o desenvolvimento de novas drogas visando a proteção de tecidos saudáveis. A determinação experimental dos genes que sejam responsivos à radiação ionizante é algo caro e que demanda muito tempo e trabalho; porém, se utilizarmos uma forma computacional de direcionar os estudos experimentais diretamente aos genes que têm mais potencial para serem responsivos à radiação ionizante, as pesquisas podem ser mais direcionadas e específicas. Para determinar essa característica, construímos, analisamos e determinamos os dados da topologia da rede integrada de interações moleculares entre genes humanos, contendo interações físicas entre proteínas, interações metabólicas e interações de regulação transcricional. Os dados topológicos foram utilizados como atributos de treinamento para o aprendizado de máquina, no qual os genes conhecidamente responsivos à radiação ionizante foram apresentados a um algoritmo de árvore de decisão que gerou modelos de predição com índices de sensibilidade e precisão de 5% e 72%, respectivamente. Os índices de acerto obtidos para os conjuntos de teste foram satisfatórios, retornando 91% dos genes conhecidos como responsiveis à radiação ionizante utilizados para o treinamento da árvore de decisão. Nós aplicamos o modelo de predição na rede integrada e atribuímos probabilidades ... |
id |
UNSP_7e6123b61e11fc65deaa5a900f64127f |
---|---|
oai_identifier_str |
oai:repositorio.unesp.br:11449/122991 |
network_acronym_str |
UNSP |
network_name_str |
Repositório Institucional da UNESP |
repository_id_str |
2946 |
spelling |
Determinação de genes potencialmente responsivos à radiação ionizante através de aprendizado de máquinaRadioterapiaCâncer - TratamentoRadiação ionizanteMarcadores biologicos de tumorCancerA predição da resposta do tumor a radioterapia e a questão mais importante durante o tratamento de pacientes com câncer. Como consequência, a predição de genes que sejam responsivos a radiação ionizante e uma possibilidade para a melhoria dos resultados clínicos e a otimização das doses as quais os pacientes são submetidos ao longo do tratamento. Juntamente com esses dados, é possível obter respostas sobre os mecanismos de resistência a radiação dos tumores e até mesmo a identificação de biomarcadores responsáveis pela resistência a radiação ionizante que podem ser potenciais para o desenvolvimento de novas drogas visando a proteção de tecidos saudáveis. A determinação experimental dos genes que sejam responsivos à radiação ionizante é algo caro e que demanda muito tempo e trabalho; porém, se utilizarmos uma forma computacional de direcionar os estudos experimentais diretamente aos genes que têm mais potencial para serem responsivos à radiação ionizante, as pesquisas podem ser mais direcionadas e específicas. Para determinar essa característica, construímos, analisamos e determinamos os dados da topologia da rede integrada de interações moleculares entre genes humanos, contendo interações físicas entre proteínas, interações metabólicas e interações de regulação transcricional. Os dados topológicos foram utilizados como atributos de treinamento para o aprendizado de máquina, no qual os genes conhecidamente responsivos à radiação ionizante foram apresentados a um algoritmo de árvore de decisão que gerou modelos de predição com índices de sensibilidade e precisão de 5% e 72%, respectivamente. Os índices de acerto obtidos para os conjuntos de teste foram satisfatórios, retornando 91% dos genes conhecidos como responsiveis à radiação ionizante utilizados para o treinamento da árvore de decisão. Nós aplicamos o modelo de predição na rede integrada e atribuímos probabilidades ...Universidade Estadual Paulista (Unesp)Acencio, Marcio Luis [UNESP]Lemke, Ney [UNESP]Universidade Estadual Paulista (Unesp)Pagotto, Ivan [UNESP]2015-05-14T16:52:21Z2015-05-14T16:52:21Z2013-12-11info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfPAGOTTO, Ivan. Determinação de genes potencialmente responsivos à radiação ionizante através de aprendizado de máquina. 2013. 1 CD-ROM. Trabalho de conclusão de curso (bacharelado - Física Médica) - Universidade Estadual Paulista Julio de Mesquita Filho, Instituto de Biociências de Botucatu, 2013.http://hdl.handle.net/11449/122991000818786http://www.athena.biblioteca.unesp.br/exlibris/bd/capelo/2015-03-30/000818786.pdf7977035910952141Alephreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESPporinfo:eu-repo/semantics/openAccess2023-12-17T06:23:02Zoai:repositorio.unesp.br:11449/122991Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462024-08-05T20:35:47.539436Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false |
dc.title.none.fl_str_mv |
Determinação de genes potencialmente responsivos à radiação ionizante através de aprendizado de máquina |
title |
Determinação de genes potencialmente responsivos à radiação ionizante através de aprendizado de máquina |
spellingShingle |
Determinação de genes potencialmente responsivos à radiação ionizante através de aprendizado de máquina Pagotto, Ivan [UNESP] Radioterapia Câncer - Tratamento Radiação ionizante Marcadores biologicos de tumor Cancer |
title_short |
Determinação de genes potencialmente responsivos à radiação ionizante através de aprendizado de máquina |
title_full |
Determinação de genes potencialmente responsivos à radiação ionizante através de aprendizado de máquina |
title_fullStr |
Determinação de genes potencialmente responsivos à radiação ionizante através de aprendizado de máquina |
title_full_unstemmed |
Determinação de genes potencialmente responsivos à radiação ionizante através de aprendizado de máquina |
title_sort |
Determinação de genes potencialmente responsivos à radiação ionizante através de aprendizado de máquina |
author |
Pagotto, Ivan [UNESP] |
author_facet |
Pagotto, Ivan [UNESP] |
author_role |
author |
dc.contributor.none.fl_str_mv |
Acencio, Marcio Luis [UNESP] Lemke, Ney [UNESP] Universidade Estadual Paulista (Unesp) |
dc.contributor.author.fl_str_mv |
Pagotto, Ivan [UNESP] |
dc.subject.por.fl_str_mv |
Radioterapia Câncer - Tratamento Radiação ionizante Marcadores biologicos de tumor Cancer |
topic |
Radioterapia Câncer - Tratamento Radiação ionizante Marcadores biologicos de tumor Cancer |
description |
A predição da resposta do tumor a radioterapia e a questão mais importante durante o tratamento de pacientes com câncer. Como consequência, a predição de genes que sejam responsivos a radiação ionizante e uma possibilidade para a melhoria dos resultados clínicos e a otimização das doses as quais os pacientes são submetidos ao longo do tratamento. Juntamente com esses dados, é possível obter respostas sobre os mecanismos de resistência a radiação dos tumores e até mesmo a identificação de biomarcadores responsáveis pela resistência a radiação ionizante que podem ser potenciais para o desenvolvimento de novas drogas visando a proteção de tecidos saudáveis. A determinação experimental dos genes que sejam responsivos à radiação ionizante é algo caro e que demanda muito tempo e trabalho; porém, se utilizarmos uma forma computacional de direcionar os estudos experimentais diretamente aos genes que têm mais potencial para serem responsivos à radiação ionizante, as pesquisas podem ser mais direcionadas e específicas. Para determinar essa característica, construímos, analisamos e determinamos os dados da topologia da rede integrada de interações moleculares entre genes humanos, contendo interações físicas entre proteínas, interações metabólicas e interações de regulação transcricional. Os dados topológicos foram utilizados como atributos de treinamento para o aprendizado de máquina, no qual os genes conhecidamente responsivos à radiação ionizante foram apresentados a um algoritmo de árvore de decisão que gerou modelos de predição com índices de sensibilidade e precisão de 5% e 72%, respectivamente. Os índices de acerto obtidos para os conjuntos de teste foram satisfatórios, retornando 91% dos genes conhecidos como responsiveis à radiação ionizante utilizados para o treinamento da árvore de decisão. Nós aplicamos o modelo de predição na rede integrada e atribuímos probabilidades ... |
publishDate |
2013 |
dc.date.none.fl_str_mv |
2013-12-11 2015-05-14T16:52:21Z 2015-05-14T16:52:21Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
PAGOTTO, Ivan. Determinação de genes potencialmente responsivos à radiação ionizante através de aprendizado de máquina. 2013. 1 CD-ROM. Trabalho de conclusão de curso (bacharelado - Física Médica) - Universidade Estadual Paulista Julio de Mesquita Filho, Instituto de Biociências de Botucatu, 2013. http://hdl.handle.net/11449/122991 000818786 http://www.athena.biblioteca.unesp.br/exlibris/bd/capelo/2015-03-30/000818786.pdf 7977035910952141 |
identifier_str_mv |
PAGOTTO, Ivan. Determinação de genes potencialmente responsivos à radiação ionizante através de aprendizado de máquina. 2013. 1 CD-ROM. Trabalho de conclusão de curso (bacharelado - Física Médica) - Universidade Estadual Paulista Julio de Mesquita Filho, Instituto de Biociências de Botucatu, 2013. 000818786 7977035910952141 |
url |
http://hdl.handle.net/11449/122991 http://www.athena.biblioteca.unesp.br/exlibris/bd/capelo/2015-03-30/000818786.pdf |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Estadual Paulista (Unesp) |
publisher.none.fl_str_mv |
Universidade Estadual Paulista (Unesp) |
dc.source.none.fl_str_mv |
Aleph reponame:Repositório Institucional da UNESP instname:Universidade Estadual Paulista (UNESP) instacron:UNESP |
instname_str |
Universidade Estadual Paulista (UNESP) |
instacron_str |
UNESP |
institution |
UNESP |
reponame_str |
Repositório Institucional da UNESP |
collection |
Repositório Institucional da UNESP |
repository.name.fl_str_mv |
Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP) |
repository.mail.fl_str_mv |
|
_version_ |
1808129224190459904 |