Avaliação do
Você é humano?
8
5
=
Denunciar conteúdo impróprio
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Classificação de genes associados ao câncer de mama utilizando dados de expressão
Use este link compartilhar ou citar este material: http://educapes.capes.gov.br/handle/capes/1097015
Registro completo de metadados
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Bressan, Glaucia Maria | - |
| Autor(es): dc.contributor | https://orcid.org/0000-0001-6996-3129 | - |
| Autor(es): dc.contributor | http://lattes.cnpq.br/2648513655629475 | - |
| Autor(es): dc.contributor | Lizzi, Elisangela Aparecida da Silva | - |
| Autor(es): dc.contributor | http://lattes.cnpq.br/8487600124864253 | - |
| Autor(es): dc.contributor | Lizzi, Elisangela Aparecida da Silva | - |
| Autor(es): dc.contributor | http://lattes.cnpq.br/8487600124864253 | - |
| Autor(es): dc.contributor | Bressan, Glaucia Maria | - |
| Autor(es): dc.contributor | http://lattes.cnpq.br/2648513655629475 | - |
| Autor(es): dc.contributor | Martins, Marcella Scoczynski Ribeiro | - |
| Autor(es): dc.contributor | http://lattes.cnpq.br/5212122361603572 | - |
| Autor(es): dc.contributor | Castro, Mauro Antonio Alves | - |
| Autor(es): dc.creator | Valentin, Ana Beatriz Miranda | - |
| Data de aceite: dc.date.accessioned | 2025-08-29T12:31:38Z | - |
| Data de disponibilização: dc.date.available | 2025-08-29T12:31:38Z | - |
| Data de envio: dc.date.issued | 2025-04-07 | - |
| Data de envio: dc.date.issued | 2025-04-07 | - |
| Data de envio: dc.date.issued | 2025-02-21 | - |
| Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/36417 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1097015 | - |
| Descrição: dc.description | Understanding the characteristics of tumors and subtypes of breast cancer based on gene expression data is crucial for assisting in the identification of cancer types, obtaining a more accurate diagnosis, and quickly directing appropriate treatment. In this context, the aim of this study is to apply machine learning and deep learning methods for the multiclass classification of genes associated with breast cancer, using gene expression datasets, and to evaluate the predictive performance of these methods. The datasets used are obtained from repositories such as TCGA and GEO, and undergo preprocessing for data treatment and the application of dimensionality reduction techniques due to the high number of variables. Initially, principal component analysis is used to reduce the dimensionality of the data. Then, different traditional machine learning methods are applied, such as Logistic Regression, Support Vector Machine, and Random Forest, as well as deep learning models such as Multilayer Perceptron and Convolutional Neural Network. To enhance the performance of these models, the Optuna library is used for hyperparameter optimization, evaluating the performance of the algorithms both with and without this optimization. The performance comparison between the algorithms showed that Logistic Regression and Support Vector Machine achieved high accuracy on the GEO and TCGA databases, respectively. However, the MLP and CNN models, especially when optimized with Optuna, also delivered competitive results. The optimization adjusted parameters such as learning rate and number of layers, leading to significant improvements in performance. While Random Forest was less impacted by optimization, MLP and CNN showed substantial gains. Additionally, the SHAP library was applied to analyze the importance of variables and the influence of each dimension for each classifier. The analysis highlighted that hyperparameter optimization can be crucial in improving classifier accuracy | - |
| Descrição: dc.description | A compreensão das características dos tumores e dos subtipos de câncer de mama a partir de dados de expressão gênica é fundamental para auxiliar na identificação dos tipos de câncer, obter um diagnóstico mais preciso e direcionar rapidamente o tratamento adequado. Neste contexto, o objetivo deste trabalho é aplicar métodos de machine learning e deep learning para a classificação multiclasse de genes associados ao câncer de mama, considerando bases de dados de expressão gênica, e avaliar a performance preditiva desses métodos. Os conjuntos de dados utilizados são obtidos de repositórios como o The Cancer Genome Atlas (TCGA) e o Gene Expression Omnibus (GEO), e passam por um pré-processamento para o tratamento dos dados e aplicação de técnicas de redução de dimensionalidade devido ao alto número de variáveis. Inicialmente, utiliza-se a técnica de análise de componentes principais para reduzir a dimensionalidade dos dados. Em seguida, são aplicados diferentes métodos de machine learning tradicionais, como Regressão Logística, Support Vector Machine e Random Forest, além de modelos de deep learning como o Multilayer Perceptron e Convulutional Neural Network. Para aprimorar a performance desses modelos, utiliza-se a biblioteca Optuna para otimização de hiperparâmetros, avaliando o desempenho dos algoritmos tanto com quanto sem essa otimização. A comparação de desempenho entre os algoritmos mostrou que a Regressão Logística e o Support Vector Machine tiveram alta acurácia nos bancos de dados GEO e TCGA, respectivamente. No entanto, os modelos Multilayer Perceptron (MLP) e Convolutional Neural Network (CNN), especialmente quando otimizados com Optuna, também apresentaram resultados competitivos. A otimização ajustou parâmetros como taxa de aprendizado e número de camadas, o que resultou em melhorias significativas no desempenho. Enquanto o Random Forest foi menos impactado pela otimização, MLP e CNN mostraram ganhos expressivos. Além disso, a biblioteca SHAP foi aplicada para analisar a importância das variáveis e a influência de cada dimensão para cada classificador. A análise evidenciou que a otimização de hiperparâmetros pode ser fundamental para melhorar a precisão dos classificadores. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
| Publicador: dc.publisher | Cornelio Procopio | - |
| Publicador: dc.publisher | Brasil | - |
| Publicador: dc.publisher | Programa de Pós-Graduação em Bioinformática | - |
| Publicador: dc.publisher | UTFPR | - |
| Direitos: dc.rights | openAccess | - |
| Palavras-chave: dc.subject | Mamas - Câncer | - |
| Palavras-chave: dc.subject | Genética - Pesquisa | - |
| Palavras-chave: dc.subject | Bioinformática | - |
| Palavras-chave: dc.subject | Breast - Cancer | - |
| Palavras-chave: dc.subject | Genetics - Research | - |
| Palavras-chave: dc.subject | Bioinformatics | - |
| Palavras-chave: dc.subject | CNPQ::ENGENHARIAS | - |
| Palavras-chave: dc.subject | Engenharia/Tecnologia/Gestão | - |
| Título: dc.title | Classificação de genes associados ao câncer de mama utilizando dados de expressão | - |
| Título: dc.title | Classification of breast cancer-associated genes using expression data | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT | |
Não existem arquivos associados a este item.
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma:
- O Termo de Uso pode ser modificado pela CAPES a qualquer tempo, sem necessidade de notificação prévia, sendo que tais modificações serão válidas a partir da data de sua veiculação neste portal;
- Para aprovação de cadastro do usuário ao sistema, a CAPES pode requisitar o fornecimento de informações, haja vista a política de segurança adotada, objetivando resguardar a segurança dos usuários nesse ambiente virtual;
- O usuário aceita e declara compreender que, em razão do peculiar ambiente da Internet, a CAPES não poderá garantir que o acesso ao site seja livre de erros ou problemas decorrentes de casos fortuitos, internos ou externos, casos de força maior ou ainda de outros casos não inteiramente sujeitos a controle direto dos administradores do site e, portanto o usuário se obriga a isentar a CAPES de quaisquer reclamações ou indenizações. A CAPES também não se responsabiliza por interrupções, interceptações, invasões, disseminação de vírus ou outros atos ilícitos, típicos e atípicos de ambiente virtual, e de web, dos quais a CAPES não tenha tido intenção deliberada de participar ou praticar;
- O usuário aceita e declara compreender que qualquer texto, marca, áudio, imagem, ou conteúdo veiculados no site são protegidos por direitos de propriedade intelectual o qual deve ser respeitado de acordo com a licença concedida pelo respectivo detentor dos referidos direitos, sob pena de apuração das responsabilidades cabíveis;
-
Desta forma a CAPES se exime de toda e qualquer responsabilidade por eventuais perdas, danos e prejuízos de qualquer natureza decorrentes:
- Do descumprimento da lei, da moral e dos bons costumes, como consequência da transmissão, difusão, armazenamento, disponibilização, recepção, obtenção ou acesso aos conteúdos;
- Da infração aos direitos de propriedade intelectual e industrial, segredos empresariais, compromissos contratuais de qualquer tipo, direitos à honra, à intimidade pessoal e familiar, à imagem das pessoas, direitos de propriedade e de toda e qualquer natureza pertencentes a um terceiro por consequência da transmissão, difusão, armazenamento, disponibilização, recepção, obtenção ou acesso aos conteúdos;
- Da falta de veracidade, precisão, exatidão, pertinência e/ou atualidade dos conteúdos;
- Da inadequação para qual seja o propósito, ou da frustração, das expectativas geradas pelos conteúdos;
- Exceto quando mencionado explicitamente, ou quando se tratar de citação de material alheio ou ilustração, nos limites estabelecidos pela Lei 9.610/98, todo o Conteúdo textual original do Portal eduCAPES está disponível livremente para leitura, entre outros direitos, conforme definido na licença Creative Commons;
- A CAPES não se responsabiliza pelos comentários, opiniões, informações, depoimentos, mensagens, vídeos, textos, imagens, áudios ou qualquer outro tipo de conteúdo que sejam, postados, publicados e disponibilizados através do Portal eduCAPES pelos usuários, sendo a responsabilidade civil e criminal atribuída única e exclusivamente ao autor dos comentários, opiniões, informações, ou mensagens. Todo o conteúdo publicado por usuários são de responsabilidade exclusiva dos mesmos e de caráter completamente independente, sendo que todo e qualquer tipo de opinião, ideal e/ou posição expressados não refletem necessariamente o ponto de vista e a posição do Portal eduCAPES e/ou da CAPES. A CAPES se reserva o direito de armazenar as informações destes autores e/ou Usuários, a fim de viabilizar sua identificação;
- O usuário aceita e declara compreender que a CAPES poderá disponibilizar no Portal eduCAPES, links de acesso para outros sites e endereços virtuais administrados, controlados ou operados por terceiros. Qualquer site conectado a partir do eduCAPES não está sob o controle da CAPES;
- A CAPES não assume nenhuma responsabilidade ou obrigação por qualquer informação, comunicação ou material encontrado em tais sites, ou em qualquer site conectado a tais sites. A CAPES não assume qualquer responsabilidade pelos serviços ou funcionalidades ali dispostos, sendo a decisão de utilização e a forma de relacionamento com os mesmos de exclusiva responsabilidade do usuário, que inclusive isenta a CAPES de fiscalizar o conteúdo ou zelar pela integridade de tais sites ou endereços virtuais.
- O usuário aceita e declara compreender que o acesso a determinadas áreas do site será restrito. Para acessá-las, o usuário deverá fazer o login e cadastrar uma senha de acesso. A senha é individual, sigilosa e intransferível, sendo o usuário o único responsável pela guarda da mesma. O usuário assume toda e qualquer responsabilidade pelo mau uso ou pela utilização da senha por terceiros;
- A CAPES reserva o direito de excluir o cadastro, de excluir o material submetido ou proibir o acesso do usuário ao portal eduCAPES no caso de qualquer abuso ou indício de prática ilícita no uso do site ou de qualquer uso não autorizado ou proibido pelo usuário, nos termos da legislação brasileira;
- As condições estabelecidas no Termo de Aceite e Uso do Site são regidas pela lei brasileira. Sob nenhuma circunstância o usuário deverá violar qualquer lei usando o portal eduCAPES para propósitos que incluam, mas não limitados a isso, difamação ou perturbação de outros, violação de direitos de propriedade intelectual ou de terceiros, envio de material obsceno ou ofensivo, vírus, arquivos corrompidos, ou outros programas que poderiam danificar ou alterar este site ou os computadores de empresa ou de terceiros;
- A CAPES reserva o direito de retirar qualquer conteúdo que infrinja a lei, a moral e os bons costumes nos termos da legislação vigente e também na hipótese de o conteúdo não se coadunar com as finalidades educativas do Portal. A CAPES garante o direito de defesa e contraditório dos usuários. O usuário reconhece que o material enviado por terceiros, que não a CAPES, não é endossado pela mesma.
Concordo e desejo baixar o arquivo
Não concordo e não irei baixar o arquivo
Não concordo e não irei baixar o arquivo