Computational analysis of microarray gene expression profiles of lung cancer
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F44555601%3A13440%2F16%3A43887623" target="_blank" >RIV/44555601:13440/16:43887623 - isvavai.cz</a>
Výsledek na webu
<a href="http://www.biopolymers.org.ua/pdf/32/1/070/biopolym.cell-2016-32-1-070-en.pdf" target="_blank" >http://www.biopolymers.org.ua/pdf/32/1/070/biopolym.cell-2016-32-1-070-en.pdf</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.7124/bc.00090F" target="_blank" >10.7124/bc.00090F</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Computational analysis of microarray gene expression profiles of lung cancer
Popis výsledku v původním jazyce
The article is dedicated to optimization of the DNA microarray data processing, which is aimed at improving the quality of object clustering. Methods. Data preprocessing was performed with program R using Bioconductor package. Modelling the clustering process was made in the software environment KNIME using the program WEKA functions. Results. The data preprocessing is shown to be optimal while using such techniques as the background correction rma method, quantile normalization, mas PM correction and summarization by mas method. The simulation results have demonstrated a high effectiveness of the clustering algorithm Sota for this category of data. Conclusion. Improvement of the quality of biological object clustering is possible by means of hybridization and optimization of the methods and algorithms at different stages of data processing.
Název v anglickém jazyce
Computational analysis of microarray gene expression profiles of lung cancer
Popis výsledku anglicky
The article is dedicated to optimization of the DNA microarray data processing, which is aimed at improving the quality of object clustering. Methods. Data preprocessing was performed with program R using Bioconductor package. Modelling the clustering process was made in the software environment KNIME using the program WEKA functions. Results. The data preprocessing is shown to be optimal while using such techniques as the background correction rma method, quantile normalization, mas PM correction and summarization by mas method. The simulation results have demonstrated a high effectiveness of the clustering algorithm Sota for this category of data. Conclusion. Improvement of the quality of biological object clustering is possible by means of hybridization and optimization of the methods and algorithms at different stages of data processing.
Klasifikace
Druh
J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)
CEP obor
IN - Informatika
OECD FORD obor
—
Návaznosti výsledku
Projekt
—
Návaznosti
N - Vyzkumna aktivita podporovana z neverejnych zdroju
Ostatní
Rok uplatnění
2016
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
Biopolymers and Cell
ISSN
0233-7657
e-ISSN
—
Svazek periodika
2016
Číslo periodika v rámci svazku
Vol. 32. N 1.
Stát vydavatele periodika
UA - Ukrajina
Počet stran výsledku
9
Strana od-do
70-79
Kód UT WoS článku
—
EID výsledku v databázi Scopus
—