AGRUPACIÓN DE GENES EN CIENCIA INTENSIVA: COMPARACIÓN Y ANÁLISIS DE TENDENCIA MEDIANTE EL ÍNDICE DE ESTABILIDAD BIOLÓGICA

Miguel Urgilés; Michael Ulcuango; Rubén Pazmiño

doi:10.47187/perf.v1i23.257

Autores/as

Miguel Urgilés Escuela Superior Politécnica de Chimborazo, Facultad de Ciencias, Grupo de Investigación Ciencia de Datos/Carrera de Estadística Informática, Riobamba, Ecuador
Michael Ulcuango Escuela Superior Politécnica de Chimborazo, Facultad de Ciencias, Grupo de Investigación Ciencia de Datos/Carrera de Estadística Informática, Riobamba, Ecuador
Rubén Pazmiño Escuela Superior Politécnica de Chimborazo, Facultad de Ciencias, Grupo de Investigación Ciencia de Datos/Carrera de Estadística Informática, Riobamba, Ecuador.

DOI:

https://doi.org/10.47187/perf.v1i23.257

Palabras clave:

genes, índices biológicos, estadistica, comparación, Ciencia intensiva

Resumen

Esta investigación evalúa el rendimiento de los algoritmos de agrupación más conocidos utilizando el índice de estabilidad biológica (BSI). Se realizó una comparación entre los algoritmos de agrupación, para determinar de estos cuál es el óptimo según el puntaje obtenido en cada algoritmo, la agrupación de génica en Ciencia Intensiva, el mismo que utiliza bases de datos extensas para cubrir casi todos los resultados que pudiesen ocurrir realmente. Se aplica este método a una base de datos de expresión de genes (Microarray). El análisis se lo realizó a la base de datos “mouse” incluida en el paquete clValid en el software R, para el estudio de las células mesenquimales de ratones (cresta neural y el mesodermo derivado), también se utiliza métodos gráficos como los dendogramas para un primer enfoque. Para la selección del algoritmo óptimo, se calculó el índice biológico de estabilidad para cada algoritmo de agrupación siendo el mejor, el que más cerca de la unidad se encuentre. En consecuencia, el algoritmo más estable para dicha base de datos es “Diana”. Para llegar a este resultado se visualizó gráficamente el número de clústeres con la respuesta obtenida en cada caso; se tomó como el algoritmo óptimo el que más se apegue a la realidad del problema teniendo en cuenta su puntaje en los índices y además con la ayuda de un gráfico de filogenética para un ultimo enfoque.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Yan M. Methods of determining the number of clusters in a data set and a new clustering criterion. Virginia Tech; 2005.

Hey T, Tansley S, Tolle K. Jim Gray sobre la e-ciencia: un método científico transformado [Internet]. 148.206.157.233. 2009 [cited 2019 Jul 15]. Available from: http://148.206.157.233/casadelibrosabiertos/libroselectronicos/4toparadigma/4toparadigma.pdf#page=19

Pan H, Zhu J, Han D. Genetic algorithms applied to multi-class clustering for gene expression data. Genomics, proteomics Bioinforma / Beijing Genomics Inst [Internet]. 2003;1(4):279–87. Available from: http://dx.doi.org/10.1016/S1672-0229(03)01033-7

Bhattacherjee V, Mukhopadhyay P, Singh S, Johnson C, Philipose JT, Warner CP, et al. Neural crest and mesoderm lineage-dependent gene expression in orofacial development. Differentiation [Internet]. 2007 Jun 1 [cited 2019 Jul 15];75(5):463–77. Available from: https://www.sciencedirect.com/science/article/pii/S0301468109601390

Moreno V, Solé X, Moreno V. Uso de chips de ADN (microarrays) en medicina: fundamentos técnicos y procedimientos básicos para el análisis estadístico de resultados [Internet]. [cited 2019 Sep 4]. Available from: http://www.sc.ehu.es/ccwbayes/docencia/mmcc/docs/divulgativos/UsoDeChipsDeADN.pdf

DNA Microarray [Internet]. Genetic Science Learning Center. 2018 [cited 2019 Sep 9]. Available from: https://learngendev.azurewebsites.net/content/labs/microarray/#cite

Brazma A, Hingamp P, Quackenbush J, Sherlock G, Spellman P, Stoeckert C, et al. Minimum information about a microarray experiment (MIAME)—toward standards for microarray data. Nat Genet [Internet]. 2001 Dec [cited 2019 Sep 9];29(4):365–71. Available from: http://www.nature.com/articles/ng1201-365

Fraley C, Raftery AE. Model-based clustering, discriminant analysis, and density estimation. J Am Stat Assoc. 2002;97(458):611–31.

Baena DDSR, Santos DJCR, Ruiz DJSA. Análisis de datos de Expresión Genética mediante técnicas de Biclustering. PhD thesis, Dto. Lenguajes y Sistemas Informáticos, Universidad de Sevilla …; 2006.

Zha H, He X, Ding C, Simon H, Gu M. Spectral relaxation for k-rneans clustering. In: Advances in Neural Information Processing Systems [Internet]. 2002. Available from: https://papers.nips.cc/paper/1992-spectral-relaxation-for-k-means-clustering.pdf%0A

Santhanam T, Velmurugan T. Computational Complexity between K-Means and K-Medoids Clustering Algorithms for Normal and Uniform Distributions of Data Points. J Comput Sci [Internet]. 2010 [cited 2019 Sep 6];6(3):363–8. Available from: https://s3.amazonaws.com/academia.edu.documents/35351264/jcssp.2010.363.368.pdf?response-content-disposition=inline%3B filename%3DComputational_Complexity_between_K-Means.pdf&X-Amz-Algorithm=AWS4-HMAC-SHA256&X-Amz-Credential=AKIAIWOWYYGZ2Y53UL3A%2F2019090

Datta S, Datta S. Comparisons and validation of statistical clustering techniques for microarray gene expression data. Bioinformatics [Internet]. 2003 Mar 1 [cited 2019 Jun 26];19(4):459–66. Available from: https://academic.oup.com/bioinformatics/article-lookup/doi/10.1093/bioinformatics/btg025

Kaufman L, Rousseeuw PJ. Finding groups in data : an introduction to cluster analysis. Wiley-Interscience; 1990. 342 p.

Struyf A, Hubert M, Rousseeuw PJ. Clustering in an object-oriented environment [Internet]. Vol. 1, Journal of Statistical Software. 1996 [cited 2019 Sep 6]. p. 1–30. Available from: https://www.jstatsoft.org/article/view/v001i04/clus.pdf

Maechler M. Cluster analysis extended Rousseeuw et al. R CRAN. 2013;

Brock G, Pihur V, Datta S, Datta S. clValid : An R Package for Cluster Validation. J Stat Softw [Internet]. 2008;25(4). Available from: http://www.jstatsoft.org/v25/i04/

Sekula MN. OptCluster : an R package for determining the optimal clustering algorithm and optimal number of clusters. 2015; Available from: http://ir.library.louisville.edu/etd%5Cnhttp://dx.doi.org/10.18297/etd/2147

Datta S, Datta S. Methods for evaluating clustering algorithms for gene expression data using a reference set of functional classes. BMC Bioinformatics [Internet]. 2006 Dec 31 [cited 2019 Jun 26];7(1):397. Available from: https://bmcbioinformatics.biomedcentral.com/articles/10.1186/1471-2105-7-397

Yeung KY, Medvedovic M, Bumgarner RE. Clustering gene-expression data with repeated measurements. Genome Biol. 2003;4(5).

Getz G, Levine E, Domany E. Coupled two-way clustering analysis of gene microarray data. Proc Natl Acad Sci U S A. 2000;97(22):12079–84.

Thalamuthu A, Mukhopadhyay I, Zheng X, Tseng GC. Evaluation and comparison of gene clustering methods in microarray analysis. Bioinformatics. 2006;22(19):2405–12.

Sanusi S. R and Bioconductor Tools for Class Discovery Analysis: Example Analysis with Glioblastoma Multiforme (GBM) Data. 2017;(March).

Yeung KY, Haynor DR, Ruzzo WL. Validating clustering for gene expression data. Bioinformatics. 2001;17(4):309–18.

Eisen MB, Spellman PT, Brown PO, Botstein D. Cluster analysis and display of genome-wide expression patterns. Proc Natl Acad Sci U S A. 1998;95(25):14863–8.

Nagi S, Bhattacharyya DK. Cluster analysis of cancer data using semantic similarity, sequence similarity and biological measures. Netw Model Anal Heal Informatics Bioinforma. 2014;3(1):1–38.

Datta S, Datta S. Evaluation of clustering algorithms for gene expression data. BMC Bioinformatics. 2006;7(SUPPL.4):1–9.