Trabajo del grupo ISG UPV-EHU en clasificaci

1
Trabajo del grupo ISG UPV-EHU en clasificación
supervisada para DNA microarrays
(mayo00-junio02)

• Proyecto Elvira II
• Albacete, Junio 2002

2
DNA microarray

• Filas ? genes Columnas ? casos, muestras,
  biopsias, ejemplos, cell-lines...

3
Selección de genes en DNA microarray
supervisados?

• Area pequeña dentro de la Bioinformática.
• Dimensionalidad altísima (gt 1,000).
• Problemas supervisados existe la variables
  clase.
• Literatura Brazma Vilo00, CAMDA00-01,
  Golub99, Beibel00...
• En CAMDA ? se cita la selección de variables
  (Feature Subset Selection FSS) como un topic.
• Coincidencias pocos genes... soprendente? No
  tanto... Y buen porcentaje de bien clasificados.
• Técnicas de clasificación supervisada utilizadas
  SVM, Discriminant Analysis,..., K-NN,
  Naive-Bayes, Arboles de decision, Reglas de
  decisión (IF-THEN).
• Explicatividad comprensibilidad árboles,
  reglas.

4
Varios ejemplos de DNA microarrays
DOMINIO CLASE GENES
Colon Biopsia tumor vs. normal 2,000
Leukemia Tipos leucemia AML, ALL 7,129
NCI-60 9 tipos de tumores 1,376
Alizadeh00 2 tipos de linfomas center B-like, activates B-like 2,984
Chen02 Hepato celular carcinoma vs. Ausencia de tumor en hígado 17,400
Garber01 Subtipos de cáncer de pulmón 24,000
5
Nuestras líneas de trabajo

• Algoritmo de búsqueda búsqueda secuencial,
  algoritmos EDAs.
• Función de evaluación wrapper más que filter ?
  son posibles los tiempos de cómputo ? búsqueda en
  el areas de pocos genes.
• Algoritmos de clasificación K-NN, Naive-Bayes,
  árboles de clasificación, reglas IF-THEN...
• Software propio y MLC (Stanford SGI).
• Nuestro Talón de Aquiles
• Interpretación biológica de los resultados
  (modelos clasificatorios, genes escogidos,
  porcentajes de error...).
• Formación creación de las matrices de datos
  desde SMD.

6
Trabajos desarrollados

• R. Blanco, P. Larrañaga, I. Inza, B. Sierra
  (2001). Selection of highly accurate genes for
  cancer classification by estimation of
  distribution algorithms. Workshop of Bayesian
  Models in Medicine (AIME).
• I. Inza, B. Sierra, R. Blanco, P. Larrañaga
  (2002). Gene selection by sequential search
  wrapper approaches in microarray cancer class
  prediction. Journal of Intelligent and Fuzzy
  Systems.

7
Otras líneas aparte de la selección de genes

• Algoritmo K-NN pesado de atributos, búsqueda de
  los pesos óptimos.
• 3 estados de relevancia en genes underexpressed,
  baseline, overexpressed.
• Redes Genéticas
• Dimensionalidades ingentes ? Red Bayesiana?
• Red Bayesiana con simplificaciones número
  máximo de padres... Aproximaciones por bootstrap.
• CAUSALIDAD ? en vez de atacarlo directamente,
  se plantea estudiar las propiedades de las
  relaciones
• Relaciones de padre hijo o esposos fuertes.
• Gen que media la relación directa entre otros
  dos CI(X,YZ)
• Activar / Inhibir influencia directa de uno de
  los padres al mantener los valores de los demás
  fijos.
• Detección de subredes funcionales.

8
Referencias de interés

• Congresos
• CAMDA Critical Assesment of Microarray Data
  Analysis
• ISMB International Symposium on Molecular
  Biology
• Revista Bioinformatics
• Lugares web
• Stanford Genomic Resources ? Stanford Microarray
  Database
• http//www.gene-chips.com/
• Hebrew University (N. Friedman, D. Peer, I.
  Nachman...)
• Tel Aviv University (R. Shamir)
• Human Genome Working Draft http//genome.ucsc.edu