Análisis del proceso de minería de datos sobre la base de datos Bioinformática de segmentos de la proteína p53, asociada a la actividad cancerígena

• Autores: Alejandro Hadad, Franco Simonetti
• Localización: Revista Facultad de Ingeniería, ISSN-e 2357-5328, ISSN 0121-1129, Vol. 20, Nº. 30, 2011, págs. 9-16
• Idioma: español
• Títulos paralelos:
  • Data Mining Process Analysis, on a Bioinformatics Database about p53 Protein�s Segments, Related to Carcinogenic Activity
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Se estudió la utilización de estrategias para afrontar el problema del desbalanceo y la alta dimensionalidad de los registros que habitualmente forman parte de las bases de datos en el área bioinformática. Se tomó como caso de estudio la base de datos de segmentos de la proteína p53; sobre dicha base se construyen modelos con el fin de identificar si corresponden a patrones activos o inactivos. El problema del desbalanceo se abordó a través de una red neuronal no supervisada, y el de la selección de variables para reducir la alta dimensionalidad, a partir de una combinación de métodos con diferentes enfoques.

    Experimentos preliminares del modelo propuesto en datos estándar muestran resultados promisorios.

  • English

    It studies the strategies� used to address the problem of records imbalance and high dimensionality, which in the bioinformatics field�s databases, are a known characteristic. The study case is a p53 protein segments� database. On this basis some models are built to identify whether they correspond to active or inactive patterns. The imbalance problem is addressed through some unsupervised neural network and the variables selection to reduce the high dimensionality by combining methods with different approaches. Preliminary experiments using the proposedmodel over standard data, shows promising results.