Título :	Modelo en aprendizaje automático para predicción de blancos de micro-RNAs de cáncer de mama.
Autor(es):	Jorge Alberto Contreras Rodríguez
Palabras clave:	Cáncer de mama Micro-RNAs Predicción de blancos Aprendizaje automático Bosques aleatorios
Área:	Ingeniería y Tecnología
Fecha de publicación :	15-mar-2024
Editorial :	Universidad Autónoma de Querétaro
Facultad:	Facultad de Informática
Programa académico:	Maestría en ciencias de la computación
Resumen:	Esta tesis se centra en el desarrollo de un modelo de aprendizaje automático para la predicción de blancos de micro-RNAs (miRNAs) relacionados con el cáncer de mama. El objetivo principal es la creación de un algoritmo basado en un modelo de aprendizaje automático que emplea un clasificador para identificar blancos predictivos de miRNAs en el subtipo de cáncer de mama conocido como BRCA. La metodología utilizada se basó en la recopilación de datos a partir de la plataforma BioPortal, específicamente de la fuente TCGA. Se seleccionó información relevante relacionada con la expresión de miRNAs en los subtipos luminal y basalike del cáncer de mama. Se implementó la técnica de aprendizaje automático conocida como "Bosques Aleatorios" para llevar a cabo la clasificación de los miRNAs de interés, es decir, aquellos que actúan como blancos predictivos de cáncer de mama. Para evaluar el rendimiento del modelo, se aplicaron métricas clave, incluyendo la precisión, sensibilidad y especificidad. Los resultados revelaron una alta precisión del 95%, indicando que el modelo realiza predicciones precisas. Sin embargo, se observó una sensibilidad del 20%, lo que sugiere que el modelo tiene dificultades para identificar correctamente la mayoría de las muestras positivas. Por otro lado, se logró una especificidad del 100%, lo que indica que el modelo es eficaz en la identificación de las muestras negativas, también se determinó que el bajo rendimiento en la sensibilidad puede ocasionarse debido a las pocas muestras de clase positiva con las que fue entrenado este modelo aun así se logró identificar una clase positiva la cual es de suma importancia para esta investigación. Este estudio tiene importantes implicaciones para la predicción de blancos predictivos de miRNAs en el cáncer de mama. La combinación de aprendizaje automático y el análisis de expresión génica podría mejorar significativamente los tratamientos y la detección temprana de esta enfermedad, lo que representa un avance significativo en la lucha contra el cáncer de mama.
URI:	https://ri-ng.uaq.mx/handle/123456789/10391
Aparece en:	Maestría en Ciencias de la Computación

Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.