Ulteriori informazioni
La tecnologia dei microarray ha dato il via a una nuova era nella classificazione molecolare, ma l'interpretazione dei dati di espressione genica rimane una sfida a causa della loro natura innata di "alta dimensionalità e bassa dimensione del campione". Inoltre, questi dati sono spesso sovraccaricati, sovraadattati e confusi dalla complessità dell'analisi dei dati. Le dimensioni ridotte del campione e il gran numero di variabili da analizzare hanno posto sfide significative durante l'analisi dei dati, soprattutto nell'apprendimento della struttura della rete. Inoltre, la capacità di studiare le interazioni tra i geni che determinano la crescita del tumore rappresenta una grande difficoltà per i ricercatori di biologia computazionale, poiché i geni non funzionano da soli ma sono coinvolti in interazioni complesse. Questo libro si propone di proporre un modello dinamico basato su una rete bayesiana per identificare la firma genica da un profilo di espressione genica su larga scala. Il modello dinamico basato sulla rete bayesiana cerca di scoprire la regolazione genica che porta alla progressione del cancro al seno.
Info autore
O Dr. Farzana Kabir Ahmad é professor sénior na School of Computing, Universiti Utara Malaysia, MALAYSIA. Prosseguiu o seu doutoramento em Informática (Bioinformática) pela Universiti Teknologi Malaysia em 2012. Os seus principais interesses de investigação estão em projectos de análise de dados para procurar informação oculta de enormes e complexos conjuntos de dados.
