Aplicação de métodos de aprendizagem automática em grafos de conhecimento para medicina personalizada
Main Author: | |
---|---|
Publication Date: | 2021 |
Other Authors: | , , , , , |
Format: | Article |
Language: | por |
Source: | Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) |
Download full: | http://hdl.handle.net/10400.18/7769 |
Summary: | A Medicina Personalizada é um modelo de prática médica que utiliza o perfil fenotípico e genotípico do indivíduo para melhorar a precisão do diagnóstico, a eficácia terapêutica ou a prevenção de doenças. Neste sentido, a enorme quantidade de dados gerados ao longo dos últimos anos na área biomédica tem contribuído para uma melhor compreensão dos determinantes genéticos de várias patologias e, consequentemente, para a implementação de práticas de Medicina Personalizada em várias áreas, por exemplo na Oncologia e no âmbito das doenças raras. No entanto, ainda subsistem desafios significativos, nomeadamente no que diz respeito à integração de dados biomédicos oriundos de fontes heterogéneas e na obtenção de informação clinicamente relevante. Este trabalho descreve uma abordagem que usa métodos de aprendizagem automática aplicados a um Grafo de Conhecimento (GC) biomédico como um meio para integrar informação armazenada em bases de dados diversas. Este GC contém relações entre genes, doenças e outras entidades biológicas, extraídas de três bases de dados: Ensembl, DisGeNET e Gene Ontology. Neste trabalho exploramos o potencial dos métodos de aprendizagem automática em grafos para produzir informação clinicamente relevante e descrevemos a aplicação desta metodologia à previsão de associações gene-doença. Mostramos ainda que as principais associações gene-doença previstas por esta abordagem podem ser confirmadas em bases de dados externas ou já foram previamente identificadas na literatura. |
id |
RCAP_9569a91cbaf5e15b565b5ed7e1bcfab8 |
---|---|
oai_identifier_str |
oai:repositorio.insa.pt:10400.18/7769 |
network_acronym_str |
RCAP |
network_name_str |
Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) |
repository_id_str |
https://opendoar.ac.uk/repository/7160 |
spelling |
Aplicação de métodos de aprendizagem automática em grafos de conhecimento para medicina personalizadaApplication of machine learning methods for knowledge graphs to personalized medicineMedicina PersonalizadaPerfil Fenotípico e GenotípicoDiagnóstico GenéticoAprendizagem AutomáticaGrafos de ConhecimentoA Medicina Personalizada é um modelo de prática médica que utiliza o perfil fenotípico e genotípico do indivíduo para melhorar a precisão do diagnóstico, a eficácia terapêutica ou a prevenção de doenças. Neste sentido, a enorme quantidade de dados gerados ao longo dos últimos anos na área biomédica tem contribuído para uma melhor compreensão dos determinantes genéticos de várias patologias e, consequentemente, para a implementação de práticas de Medicina Personalizada em várias áreas, por exemplo na Oncologia e no âmbito das doenças raras. No entanto, ainda subsistem desafios significativos, nomeadamente no que diz respeito à integração de dados biomédicos oriundos de fontes heterogéneas e na obtenção de informação clinicamente relevante. Este trabalho descreve uma abordagem que usa métodos de aprendizagem automática aplicados a um Grafo de Conhecimento (GC) biomédico como um meio para integrar informação armazenada em bases de dados diversas. Este GC contém relações entre genes, doenças e outras entidades biológicas, extraídas de três bases de dados: Ensembl, DisGeNET e Gene Ontology. Neste trabalho exploramos o potencial dos métodos de aprendizagem automática em grafos para produzir informação clinicamente relevante e descrevemos a aplicação desta metodologia à previsão de associações gene-doença. Mostramos ainda que as principais associações gene-doença previstas por esta abordagem podem ser confirmadas em bases de dados externas ou já foram previamente identificadas na literatura.Instituto Nacional de Saúde Doutor Ricardo Jorge, IPRepositório Científico do Instituto Nacional de SaúdeVilela, JoanaAsif, MuhammadMarques, Ana RitaSantos, João XavierRasga, CéliaVicente, AstridMartiniano, Hugo2021-09-21T16:22:56Z2021-092021-09-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/articleapplication/pdfhttp://hdl.handle.net/10400.18/7769por0874-29282182-8873 (em linha)info:eu-repo/semantics/openAccessreponame:Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)instname:FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologiainstacron:RCAAP2025-02-26T14:16:51Zoai:repositorio.insa.pt:10400.18/7769Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireinfo@rcaap.ptopendoar:https://opendoar.ac.uk/repository/71602025-05-28T21:31:12.450487Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) - FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologiafalse |
dc.title.none.fl_str_mv |
Aplicação de métodos de aprendizagem automática em grafos de conhecimento para medicina personalizada Application of machine learning methods for knowledge graphs to personalized medicine |
title |
Aplicação de métodos de aprendizagem automática em grafos de conhecimento para medicina personalizada |
spellingShingle |
Aplicação de métodos de aprendizagem automática em grafos de conhecimento para medicina personalizada Vilela, Joana Medicina Personalizada Perfil Fenotípico e Genotípico Diagnóstico Genético Aprendizagem Automática Grafos de Conhecimento |
title_short |
Aplicação de métodos de aprendizagem automática em grafos de conhecimento para medicina personalizada |
title_full |
Aplicação de métodos de aprendizagem automática em grafos de conhecimento para medicina personalizada |
title_fullStr |
Aplicação de métodos de aprendizagem automática em grafos de conhecimento para medicina personalizada |
title_full_unstemmed |
Aplicação de métodos de aprendizagem automática em grafos de conhecimento para medicina personalizada |
title_sort |
Aplicação de métodos de aprendizagem automática em grafos de conhecimento para medicina personalizada |
author |
Vilela, Joana |
author_facet |
Vilela, Joana Asif, Muhammad Marques, Ana Rita Santos, João Xavier Rasga, Célia Vicente, Astrid Martiniano, Hugo |
author_role |
author |
author2 |
Asif, Muhammad Marques, Ana Rita Santos, João Xavier Rasga, Célia Vicente, Astrid Martiniano, Hugo |
author2_role |
author author author author author author |
dc.contributor.none.fl_str_mv |
Repositório Científico do Instituto Nacional de Saúde |
dc.contributor.author.fl_str_mv |
Vilela, Joana Asif, Muhammad Marques, Ana Rita Santos, João Xavier Rasga, Célia Vicente, Astrid Martiniano, Hugo |
dc.subject.por.fl_str_mv |
Medicina Personalizada Perfil Fenotípico e Genotípico Diagnóstico Genético Aprendizagem Automática Grafos de Conhecimento |
topic |
Medicina Personalizada Perfil Fenotípico e Genotípico Diagnóstico Genético Aprendizagem Automática Grafos de Conhecimento |
description |
A Medicina Personalizada é um modelo de prática médica que utiliza o perfil fenotípico e genotípico do indivíduo para melhorar a precisão do diagnóstico, a eficácia terapêutica ou a prevenção de doenças. Neste sentido, a enorme quantidade de dados gerados ao longo dos últimos anos na área biomédica tem contribuído para uma melhor compreensão dos determinantes genéticos de várias patologias e, consequentemente, para a implementação de práticas de Medicina Personalizada em várias áreas, por exemplo na Oncologia e no âmbito das doenças raras. No entanto, ainda subsistem desafios significativos, nomeadamente no que diz respeito à integração de dados biomédicos oriundos de fontes heterogéneas e na obtenção de informação clinicamente relevante. Este trabalho descreve uma abordagem que usa métodos de aprendizagem automática aplicados a um Grafo de Conhecimento (GC) biomédico como um meio para integrar informação armazenada em bases de dados diversas. Este GC contém relações entre genes, doenças e outras entidades biológicas, extraídas de três bases de dados: Ensembl, DisGeNET e Gene Ontology. Neste trabalho exploramos o potencial dos métodos de aprendizagem automática em grafos para produzir informação clinicamente relevante e descrevemos a aplicação desta metodologia à previsão de associações gene-doença. Mostramos ainda que as principais associações gene-doença previstas por esta abordagem podem ser confirmadas em bases de dados externas ou já foram previamente identificadas na literatura. |
publishDate |
2021 |
dc.date.none.fl_str_mv |
2021-09-21T16:22:56Z 2021-09 2021-09-01T00:00:00Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10400.18/7769 |
url |
http://hdl.handle.net/10400.18/7769 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
0874-2928 2182-8873 (em linha) |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Instituto Nacional de Saúde Doutor Ricardo Jorge, IP |
publisher.none.fl_str_mv |
Instituto Nacional de Saúde Doutor Ricardo Jorge, IP |
dc.source.none.fl_str_mv |
reponame:Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) instname:FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia instacron:RCAAP |
instname_str |
FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) |
collection |
Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) |
repository.name.fl_str_mv |
Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) - FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia |
repository.mail.fl_str_mv |
info@rcaap.pt |
_version_ |
1833599309337067520 |