Detección de mutaciones en microarreglo de oligonucleótidos mediante máquina de vector de soporte multiclase

• Luis Palma-Ttito ^[1] ; Luis Holgado-Apaza ^[2] ; Rick Ccapa-Luque ^[2] ; Edson Canaza-Canqui ^[2] ; Victor Cornejo-Aparicio ^[3]
  1. [1] Universidad Nacional de San Antonio Abad del Cusco

     Universidad Nacional de San Antonio Abad del Cusco

     Cusco, Perú

     
  2. [2] Universidad Nacional del Altiplano

     Universidad Nacional del Altiplano

     Puno, Perú

     
  3. [3] Universidad Nacional de San Agustín de Arequipa, Perú

  Mostrar afiliaciones +
• Localización: RISTI: Revista Ibérica de Sistemas e Tecnologias de Informação, ISSN-e 1646-9895, Nº. Extra 39, 2021, págs. 643-657
• Idioma: español
• Títulos paralelos:
  • Detection of oligonucleotide microarray mutations by multiclass support vector machine
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    En este artículo se presenta el proceso realizado para la obtención de la mejor configuración encontrada para la máquina de vector de soporte multiclase, que permita clasificar las mutaciones presentes en un conjunto de microarreglos de oligonucleótidos, la solución planteada consta de cinco fases y damos alcance de cada fase: obtención de muestras, control de calidad, pre procesamiento, selección de genes y detección de mutaciones. Las muestras utilizadas, fueron obtenidas de la base de datos biológica GEO- NBCI (Gene Expression Omnibus – National Center for Biotechnology Information), que pertenecen a individuos con presencia de diferentes tipos de cáncer, obteniendo un 87% de exactitud en promedio para diferentes muestras.

  • English

    This paper presents the process carried out to obtain the best configuration found for the multiclass support vector machine that allows classifying the mutations present in a set of oligonucleotide microarrays. The proposed solution consists of five phases and we give scope to each phase: obtaining samples, quality control, pre-processing, gene selection and detection of mutations.

    The samples used were obtained from the biological database GEO-NBCI (Gene Expression Omnibus - National Center for Biotechnology Information), which belong to individuals with the presence of different types of cancer, obtaining 87% accuracy on average for different samples.