Clasificación de microarrays de genes del cerebro para la detección de tumores, utilizando algoritmos no convencionales

Abstract

Este trabajo tiene por objetivo comparar los resultados de algoritmos de clasificación en minería de datos, sobre un conjunto de genes pertenecientes al cerebro, con el fin de encontrar el mejor clasificador entre genes enfermos y no enfermos. La metodología utilizada fue la Data Mining CRISP-DM (Cross Industry Standard Process for Data Mining) [CRISP-DM00] que está definida en términos de un modelo jerárquico de procesos, consiste de un conjunto de tareas descritas en cuatro niveles de abstracción (desde lo general a lo específico): Fases, Tareas Genéricas, Tareas Especializadas e Instancias de procesos. Los datos de prueba consistieron en 7070 genes para 69 muestras en el archivo de entrenamiento y 23 muestras en el archivo de prueba, todos pertenecientes a un tipo de gen. Para realizar la exploración y análisis de los datos, se ha seleccionado como apoyo la herramienta WEKA, con la cual se obtuvieron ciertos resultados estadísticos que permitieron comprender el comportamiento de los genes en todas las muestras. Se ha probado con un determinado número de algoritmos incluidos en la herramienta WEKA y a partir de los resultados obtenidos se determinó cual es la mejor clasificación. Los algoritmos utilizados son los siguientes: NaiveBayes, J48, IBK para K=1,2,3,4 y Multi-ClassClassifier. El algoritmo de clasificación con mejores resultados, fue el Naive-Bayes. En este trabajo se ha podido demostrar la gran utilidad que tiene la minería de datos, algo que se ha podido ver con un caso real mediante la aplicación de diferentes algoritmos.