Para citar este trabalho use um dos padrões abaixo:
MODELOS ESTATÍSTICOS APLICADOS À BIOLOGIA COMPUTACIONAL E MEDICINA DE PRECISÃO
Bruna Silva
Universidade Estadual de Campinas
Agora você poderia compartilhar comigo suas dúvidas, observações e parabenizações
Crie um tópicoWatch this next:
A Estatística é uma área fundamental que envolve todo o processo de análise de dados de modo a obter informações cruciais a partir destes a fim de que se possa tomar decisões de forma assertiva. No que tange a área da medicina é possível observar as mais diversas aplicações que podem vir a afetar de forma direta a vida de um paciente, desde o compreendimento de sua genética até o entendimento e tomada de decisões quanto ao tratamento a ser aplicado de forma a intervir em algo que lhe causa malefícios, por exemplo. Neste sentido, o projeto desenvolvido visa tratar dos problemas envolvidos no processo de análise de dados de alto-rendimento obtidos através de microarranjos, no que tange a área da Biologia Computacional, Estatística e Medicina de Precisão, tendo como objetivo principal a aplicação de modelos estatísticos para a quantificação da expressão gênica.
Apoio/Financiamento da Pesquisa: PIBIC/CNPq
Marisa Cantarino
Olá, Bruna, boa tarde. Parabéns pelo trabalho.
Queria saber um pouco mais sobre a escolha do modelo linear, por que ele foi escolhido, por que é adequado, etc. Agradeço se você puder explicar um pouco sobre isso.
Com ~200 mil publicações revisadas por pesquisadores do mundo todo, o Galoá impulsiona cientistas na descoberta de pesquisas de ponta por meio de nossa plataforma indexada.
Confira nossos produtos e como podemos ajudá-lo a dar mais alcance para sua pesquisa:
Esse proceedings é identificado por um DOI , para usar em citações ou referências bibliográficas. Atenção: este não é um DOI para o jornal e, como tal, não pode ser usado em Lattes para identificar um trabalho específico.
Verifique o link "Como citar" na página do trabalho, para ver como citar corretamente o artigo
Bruna Silva
Olá, Marisa. Fico feliz que tenha gostado do trabalho :)
A escolha pelos modelos lineares se deu, pois, a partir deles conseguimos obter uma medida que é usada na biologia molecular para comparar expressões gênicas (log-fold-change) e além da estimativa dessa medida, com os modelos lineares conseguimos obter estimativas para os desvios padrões da mesma. Explico melhor:
Pense no exemplo de caso e controle: Temos o interesse de verificar se para o gene i existem diferenças com relação à média da expressão gênica entre os grupos. Na biologia molecular, a forma padrão de realizar essas comparações é através do log da razão entre a expressão média do grupo caso e a expressão média do grupo controle (log [Expressão média caso/ Expressão média controle]).
Agora considere o seguinte modelo:
y_i = beta_0 + beta_1* X_i + e_i
onde a variável resposta y_i é o log da expressão do indivíduo i, e X_i a variável indicadora do indivíduo i ser do grupo caso (isto é, X_i assume 1 caso o individuo i pertença ao grupo caso, e 0 caso contrário)
A partir do modelo linear proposto, temos que a expressão média do grupo controle é dado pelo coeficiente beta_0 (y_i = beta_0), enquanto para o grupo caso é acrescido o coeficiente beta_1 (y_i = beta_0 + beta_1). Uma forma de verificarmos a diferença entre os grupos seria através da seguinte subtração:
Y_caso – Y_controle = (beta_0 + beta_1) – (beta_0) = beta_1
Como a variável resposta está em escala logarítmica, temos que:
Y_caso – Y_controle = log(Expressão média caso) - log(Expressão média controle) = log-fold-change
Assim, quando estimamos beta_1, estamos estimando o log-fold-change.
Ficou claro? Caso tenha mais alguma dúvida fico à disposição!