National and Kapodistrian University of Athens
Model-based clustering for High Dimensional genomic data
Abstract
dc:descriptionTo model-based clustering χρησιμεύει σε πολλές εφαρμογές, καθώς δίνει την δυνατότητα στατιστικής συμπερασματολογίας, σε αντίθεση με μεθόδους distance-based clustering. Εφαρμογές σε δεδομένα υψηλών διαστάσεων παρουσιάζουν κάποιες προκλήσεις. Δεδομένα υψηλών διαστάσεων συναντώνται συχνά σε γενετικά πειράματα. Έτσι το clustering ατόμων/ασθενών θεωρείται δύσκολο αλλά σημαντικό εγχείρημα. Η παρούσα διπλωματική εργασία περιλαμβάνει μία ανασκόπηση των μοντέλων πεπερασμένων μίξεων διάφορων κατανομών. Η παραγοντική ανάλυση θεωρείται αξιόπιστο εργαλείο για την αντιμετώπιση προβλημάτων με υψηλές διαστάσεις. Έτσι, γίνεται επίσης ανασκόπηση κάποιων επεκτάσεων των μίξεων factor analyzers (MFA). Για κάθε μοντέλο της ανασκόπησης, δίνονται παραδείγματα με τη χρήση πακέτων R πάνω σε τρία διαφορετικά datasets. Τέλος, γίνεται μία εφαρμογή των MFA μοντέλων σε ένα πραγματικό dataset από ένα microarray πείραμα με γυναίκες με καρκίνο του μαστού. Γίνεται σύντομη συζήτηση για το βήμα επιλογής γονιδίων του EMMIX-GENE αλγορίθμου και γίνεται χρήση αυτού με σκοπό την μείωση των διαστάσεων του προβλήματος, ενώ χρησιμοποιούνται διάφορες τιμές για το φράγμα του αλγορίθμου, το οποίο οδηγεί σε υποσύνολα του δείγματος με διάφορα μεγέθη. Τα αποτελέσματα της εφαρμογής και η αποτυχία να ξεχωριστούν οι ασθενείς στις επιθυμητές ομάδες καλής και κακής διάγνωσης, έρχονται σε συμφωνία με παλαιότερες προσπάθειες να αντιμετωπιστεί αυτό το πρόβλημα. Η εφαρμογή των τεχνικών που παρουσιάστηκαν σε άλλου είδους γονιδιακά δεδομένα προτείνεται για μελλοντική έρευνα.
Author and committee
dc:creator, dc:contributor.*- Authors dc:creator
-
- Αλεξανδρής Παναγιώτης
- Alexandris Panagiotis
Subjects
dc:subject × 2Rights
- Language dc:language
- English
Identifiers
dc:identifier.*- Identifier
- uoadl:2885604