Modelo en aprendizaje automático para predicción de blancos de micro-RNAs de cáncer de mama.

Jorge Alberto Contreras Rodríguez

Buscar

dc.rights.license	http://creativecommons.org/licenses/by-nc-nd/4.0	es_ES
dc.contributor	Diana Margarita Córdova Esparza	es_ES
dc.contributor	Macrina Beatriz Silva Cázares	es_ES
dc.contributor	Julio Alejandro Romero González	es_ES
dc.contributor	Ana Marcela Herrera Navarro	es_ES
dc.contributor	Fidel González Gutiérrez	es_ES
dc.creator	Jorge Alberto Contreras Rodríguez	es_ES
dc.date	2024-03-15
dc.date.accessioned	2024-04-17T13:28:47Z
dc.date.available	2024-04-17T13:28:47Z
dc.date.issued	2024-03-15
dc.identifier.uri	https://ri-ng.uaq.mx/handle/123456789/10391
dc.description	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.	es_ES
dc.format	Adobe PDF	es_ES
dc.language.iso	spa	es_ES
dc.publisher	Universidad Autónoma de Querétaro	es_ES
dc.relation.requires	Si	es_ES
dc.rights	Acceso Abierto	es_ES
dc.subject	Cáncer de mama	es_ES
dc.subject	Micro-RNAs	es_ES
dc.subject	Predicción de blancos	es_ES
dc.subject	Aprendizaje automático	es_ES
dc.subject	Bosques aleatorios	es_ES
dc.subject.classification	Ingeniería y Tecnología	es_ES
dc.title	Modelo en aprendizaje automático para predicción de blancos de micro-RNAs de cáncer de mama.	es_ES
dc.type	Tesis de maestría	es_ES
dc.creator.tid	ORCID	es_ES
dc.contributor.tid	ORCID	es_ES
dc.creator.identificador	https://orcid.org/0000-0001-5438-241X	es_ES
dc.contributor.identificador	https://orcid.org/0000-0002-5657-7752	es_ES
dc.contributor.role	Director	es_ES
dc.contributor.role	Secretario	es_ES
dc.contributor.role	Vocal	es_ES
dc.contributor.role	Suplente	es_ES
dc.contributor.role	Suplente	es_ES
dc.degree.name	Maestría en ciencias de la computación	es_ES
dc.degree.department	Facultad de Informática	es_ES
dc.degree.level	Maestría	es_ES