Result: Comparación de modelos de aprendizaje automático para la predicción de células cancerígenas a partir del complejo MHC I ; Comparison of machine learning models for the prediction of cancer cells from the MHC I complex ; Predicción de células cancerígenas

Title:
Comparación de modelos de aprendizaje automático para la predicción de células cancerígenas a partir del complejo MHC I ; Comparison of machine learning models for the prediction of cancer cells from the MHC I complex ; Predicción de células cancerígenas
Source:
OMS, «Cáncer,» 12 septiembre 2018. [En línea]. Available: https://www.who.int/es/news-room/fact-sheets/detail/cancerH ; ASCO, «American Society of Clinical Oncology,» Journal of Clinical Oncology, pp. 212-222, 20 Febrero 2017 ; DANE, «Boletín Técnico,» 20 Diciembre 2019. [En línea]. Available: https://www.dane.gov.co/files/investigaciones/poblacion/bt_estadisticasvitales_IIItr im_2019pr-20-diciembre-2019.pdf ; MinSalud, «PLAN DECENAL PARA EL CONTROL EN COLOMBIA,» 17 Marzo 2012. [En línea]. Available: https://www.minsalud.gov.co/sites/rid/Lists/BibliotecaDigital/RIDE/IA/INCA/plannacional-control-cancer.pdf ; MinSalud, «Cáncer,» Enero 25 2020. [En línea]. Available: https://www.minsalud.gov.co/salud/publica/PENT/Paginas/Prevenciondelcancer.aspx ; A. L. L. T. G. Óscar, «Costos directos de la atención del cáncer,» Cancerol, vol. XX, nº 2, pp. 52-60, 2016 ; J. Greening, «The peptidome comes of age: Mass spectrometry-based characterization of the circulating ....
Publisher Information:
Universidad del Rosario
Escuela de Medicina y Ciencias de la Salud
Ingeniería Biomédica
Publication Year:
2020
Collection:
Universidad del Rosario, Bogotá: E-docUR
Document Type:
Dissertation/ Thesis bachelor thesis
File Description:
application/pdf
Language:
Spanish; Castilian
DOI:
10.48713/10336_24401
Rights:
info:eu-repo/semantics/openAccess ; http://creativecommons.org/licenses/by/2.5/co/
Accession Number:
edsbas.C67570F4
Database:
BASE

Further Information

El presente trabajo propone una comparación de modelos de aprendizaje automático para la detección de células cancerígenas a partir de los antígenos del complejo MHC I. Utilizando protocolos de extracción de características físico-químicas de las proteínas y un proceso comparativo de las medidas de desempeño en la fase de validación y prueba de los modelos. Con este procedimiento se pretende determinar cuál modelo de aprendizaje automático presenta el mejor desempeño en la predicción de antígenos cancerígenos, utilizando propiedades fisicoquímicas como marcadores de entrada. ; The present work proposes a comparison of machine learning models for the detection of cancer cells from the MHC I complex antigens. Using protocols for the extraction of physical-chemical characteristics of proteins and a comparative process of performance measurements in the model validation and testing phase. This procedure aims to determine the machine learning model presenting the best performance in the prediction of carcinogenic antigens, using physicochemical properties as input markers.