Métodos de agrupamiento no supervisado para la integración de datos genómicos y metabólicos de múltiples líneas de introgresión

D. MILONE, G. STEGMAYER, M. GERARD, L. KAMENETZKY, M. LOPEZ, F. CARRARI

Mar del Plata

Simposio; Argentinean Symposium On Artificial Intelligence (ASAI 2009); 2009

SADIO

Las numerosas aplicaciones de la inteligencia artificial a labiología de sistemas han dado lugar a nuevos algoritmos, además de laadaptación y reutilización de los existentes. En tareas de minería dedatos se han aplicado diversos metodos estándar, como por ejemplo elbien conocido k-medias. Sin embargo, las capacidades de estos métodoses limitada en relación a otros algoritmos más recientes, tanto ensu desempeño para el agrupamiento de patrones como para la representacióon e interpretación de los resultados obtenidos. En este trabajose compara el desempeño de tres métodos de agrupamiento no supervisadoen la tarea de integración y descubrimiento de relaciones entrevariaciones en los contenidos de metabolitos y la expresion de genesde frutos de tomate. Los metodos considerados son el k-medias, el agrupamientojerárquico y un método recientemente propuesto que se basaen mapas auto-organizativos. Se presentan los resultados obtenidos delanálisis objetivo de la calidad de los agrupamientos y su significanciabiolóogica. El modelo auto-organizado ha mostrado las más altas tasas dedesempeño en las medidas de cohesión y separación, brindando ademásla máxima coherencia de las agrupaciones obtenidas desde el punto devista del significado biológico.