Please use this identifier to cite or link to this item: https://hdl.handle.net/10316/11377
Title: Machine learning approaches in genome-wide association studies: SNP2Net: a tool for gene-based predictive modeling
Authors: Duarte, João Valente 
Keywords: Genotipo-fenotipo - correlação; Informática biomédica; Modelos genéticos; Modelos genéticos - desenvolvimento de software; Redes Bayesianas; SNP2Net
Issue Date: 2009
Citation: Duarte, João Valente - Machine learning approaches in genome-wide association studies :|bSNP2Net: a tool for gene-based predictive modeling. Coimbra, 2009
Abstract: As redes Bayesianas são instrumentos poderosos para aprender modelos genéticos de dados de estudos de associação, uma vez que a correlação entre marcadores genéticos e traços fenotípicos pode ser derivada, bem como as relações entre os próprios. No entanto, o aprendimento das redes Bayesianas é muitas vezes não-trivial, devido ao elevado número de variáveis que devem ser tidas em conta no modelo. Desta forma, desenvolvemos uma aplicação de software em ambiente Matlab, SNP2Net, que implementa uma abordagem baseada em árvores decisionais para criar uma abstracção do espaço de variáveis que reduz a sua dimensão de forma adequada, sem perder informação. Especificamente, os SNPs (variáveis genéticas do modelo) pertencentes ao mesmo gene são mapeados para uma meta-variável. A aplicação desenvolvida permitiu testar a abordagem inovadora em vários conjuntos de dados e, além disso, permitiu também avaliar o desempenho do método no que diz respeito à previsão fenotípica. Os resultados mostraram que a abordagem apresentada é capaz de extrair um modelo predictivo baseado em informação sobre genes a partir de dados de SNPs, obtendo desempenhos predictivos superiores aos obtidos pelo modelo baseado num único SNP. Este modelo é mais parcimonioso do que um modelo baseado em conjuntos de um único SNP, preservando simultaneamente a capacidade de destacar configurações de SNPs predictivas. A ferramenta pode então ser aplicada na análise de dados provenientes de estudos de associação, usando genes como factores predictivos do fenótipo, e sendo uma alternativa adequada aos haplotipos, que muitas vezes são também utilizados como elementos de previsão.
URI: https://hdl.handle.net/10316/11377
Rights: openAccess
Appears in Collections:UC - Dissertações de Mestrado
FCTUC Física - Teses de Mestrado

Files in This Item:
File Description SizeFormat
thesis_joao_final.pdf2.35 MBAdobe PDFView/Open
Show full item record

Page view(s) 50

506
checked on Oct 8, 2024

Download(s)

119
checked on Oct 8, 2024

Google ScholarTM

Check


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.