Classificação de câncer de ovário através de padrão proteômico e análise de componentes independentes

• Ano de defesa: 2012
• Autor(a) principal: Neves, Simone Cristina Ferreira
• Orientador(a): BARROS FILHO, Allan Kardec Duailibe
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal do Maranhão
• Programa de Pós-Graduação: PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET
• Departamento: Engenharia
• País: BR
• Palavras-chave em Português: Câncer de ovários; padrões proteômicos; análise de componentes principais; análise de componentes independentes; redes neurais artificiais
• Palavras-chave em Inglês: Ovarian cancer; Proteomic patterns; Principal component analysis; Independent component analysis; Artificial neural networks
• Área do conhecimento CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
• Link de acesso: http://tedebc.ufma.br:8080/jspui/handle/tede/490

The ovarian cancer is difficult to diagnose in the early stages of development. In this work we bring a study of a new method that gave us great accuracy rates based on a bioinformatics tool called surface enhanced for laser desorption and ionization (SELDI-TOF) used to generate proteomic patterns which is one of the technologies advanced in the diagnosis. Our goal is to contribute to effectiveness of this tool, which already helps diagnosis earlier, our methodology uses independent component analysis (ICA) for feature extraction and neural networks to classify between malignancy and no malignancy in a database of the research center cancer in the U.S.A. Our work rates obtained acurracy 97%, 98% specificity and 96% sensitivity.