Original title: Molekulární signatura jako optimální multi-objektivní funkce s aplikací v predikci v onkogenomice
Translated title: Molecular Signature as Optima of Multi-Objective Function with Applications to Prediction in Oncogenomics
Authors: Aligerová, Zuzana ; Maděránková, Denisa (referee) ; Provazník, Ivo (advisor)
Document type: Master’s theses
Year: 2015
Language: eng
Publisher: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract: [eng] [cze]
Náplní této práce je teoretický úvod a následné praktické zpracování tématu Molekulární signatura jako optimální multi-objektivní funkce s aplikací v predikci v onkogenomice. Úvodní kapitoly jsou zaměřeny na téma rakovina, zejména pak rakovina prsu a její podtyp triple negativní rakovinu prsu. Následuje literární přehled z oblasti optimalizačních metod, zejména se zaměřením na metaheuristické metody a problematiku strojového učení. Část se odkazuje na onkogenomiku a principy microarray a také na statistiku a s důrazem na výpočet p-hodnoty a bimodálního indexu. Praktická část je pak zaměřena na konkrétní průběh výzkumu a nalezené závěry, vedoucí k dalším krokům výzkumu. Implementace vybraných metod byla provedena v programech Matlab a R, s využitím dalších programovacích jazyků a to konkrétně programů Java a Python. Content of this work is theoretical introduction and follow-up practical processing of topic Molecular signature as optima of multi-objective function with applications to prediction in oncogenomics. Opening chapters are targeted on topic of cancer, mainly on breast cancer and its subtype Triple Negative Breast Cancer. Succeeds the literature review of optimization methods, mainly on meta-heuristic methods for multi-objective optimization and problematic of machine learning. Part is focused on the oncogenomics and on the principal of microarray and also to statistics methods with emphasis on the calculation of p-value and Bimodality Index. Practical part of work consists from concrete research and conclusions lead to next steps of research. Implementation of selected methods was realised in Matlab and R, with use of other programming languages Java and Python.
Keywords: gen; index bimodality; Lineární diskriminantní analýza; Matlab; microarray; molekulární podpis; onkogenomika; Optimalizační metody; pvalue; R; RNA; Strojové učení; triple negativní karcinom prsu; Bimodality index; gene; Linear discriminant analysis; Machine learning; Matlab; microarrays; molecular signature; oncogenomics; Optimization methods; pvalue; R; RNA; triple-negative breast cancer

Institution: Brno University of Technology (web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library.
Original record: http://hdl.handle.net/11012/42798

Permalink: http://www.nusl.cz/ntk/nusl-220727


The record appears in these collections:
Universities and colleges > Public universities > Brno University of Technology
Academic theses (ETDs) > Master’s theses