2026-04-13T14:25:26Zhttps://recercat.cat/oai/request

oai:recercat.cat:2117/1085812025-07-22T17:55:23Zcom_2072_1033col_2072_452951

urn:hdl:2117/108581 Integració de diferents fonts de dades òmiques i visualització de les variables originals mitjançant tècniques de Machine Learning Riba Archilla, Laura Àrees temàtiques de la UPC::Matemàtiques i estadística::Estadística aplicada Statistics -- Bioinformatics Dades òmiques Integració de dades Aprenentatge automàtic Mètodes kernel Visualització Kernel PCA Shiny Estadística Classificació AMS::62 Statistics En l’última dècada s’han desenvolupat noves tecnologies d’alt rendiment, les quals generen un volum de dades biològiques tan gran que ha motivat la creació de nous algo- rismes en el camp de la bioinformàtica per analitzar les dades generades. Aquests avenços han revolucionat la biologia molecular i han conduït a una nova mentalitat en la qual es desenvolupa una visió global dels sistemes biològics. En aquest context, actualment hi ha dues grans vies d’investigació: la integració de dades òmiques i la visualització de les variables originals. L’anàlisi de dades òmiques de més d’un tipus de forma simultània combinada amb la visualització de les relacions entre els milers de variables biològiques pot portar a una millor comprensió dels processos biològics. En aquest projecte s’estudia la tècnica del Kernel PCA juntament amb procediments per a representar les variables originals, s’aplica a dos conjunts de dades òmiques i es presenta de forma accessible amb aplicacions web interactives 2014-09 Bachelor thesis http://creativecommons.org/licenses/by-nc-nd/3.0/es/ Open Access Attribution-NonCommercial-NoDerivs 3.0 Spain Universitat Politècnica de Catalunya Universitat de Barcelona