Soporte Matemático y Estadístico
¿Qué hacemos?
Aplicamos técnicas de “statistical machine learning” para identificar patrones y construir modelos que faciliten la propuesta y el contraste de hipótesis clínicas y biológicas.
¿Cómo lo hacemos?
Una vez definido el problema con el cliente y determinados los objetivos específicos, el procedimiento general de actuación pasa por las siguientes etapas:
- Dimensionamiento de la información y toma de requerimientos.
- Importación de las bases de datos y adecuación al entorno de trabajo – generalmente, R.
- Análisis preliminar: detección de errores, duplicaciones, datos faltantes y datos atípicos. Consulta y modificación. Aplicación de transformaciones.
- Clasificación del problema. Determinación de la técnica a emplear en función de objetivos y naturaleza de los datos.
- Aplicación de los procedimientos y selección de modelos.
- Informe final
El presupuesto depende de la dimensión y complejidad del proyecto.
¿Quienes somos?
Este servicio se presta desde la Facultad de Ciencias de la UNED. El equipo de trabajo está integrado por los siguientes profesores:
¿Con qué trabajamos?
Las herramientas que utilizamos son tan variadas como los problemas a resolver. La mayoría de los recursos que ofertamos se agrupan bajo la denominación general de “statistical machine learning” y pueden identificarse mediante la siguiente relación de claves:
- Análisis gráfico probabilístico: Estimación de redes
- Reducción de la dimensión: Extracción de componentes
- Detección de grupos: «Clustering»
- Modelización predictiva: Regresión y Clasificación
- Regularización y selección de variables: «Ridge», «Lasso» y «Elastic Net»
Casos de éxito
- Análisis de datos de expresión génica en colaboración con investigadores del INGEMM-IdiPAZ (Hospital Universitario La Paz)
- Proyectos con Biomedica Molecular Medicine S.L. para el análisis de distintos tipos de cáncer.
PUBLICACIONES RELACIONADAS CON LA ACTIVIDAD
- Urothelial cancer proteomics provides both prognostic and functional information. Scientific Reports 7, Article number: 15819
- Molecular characterization of breast cancer cell response to metabolic drugs. Oncotarget, DOI/10.18632/oncotarget.24047
- Functional proteomics outlines the complexity of breast cancer molecular subtypes. Scientific Reports 7, Article number: 10100
- Combined label-free quantitative proteomics and microRNA expression analyiss of breast cancer unravel molecular differencies with clinical implications. Cancer Reserarch. June 1, 75: 2243-2253
- Exploring correlations in gene expression microarray data for maximum predictive-minimum redundancy biomarker selection and classification. Computers in Biology and Medicine. 43 (10). 1437-1443
- A new method for identifying bivariate differential expresson in high dimensional microarray data using quadratic discriminant analysis. BMC Bioinformatics. 12 (Suppl 12):S6.
Contacto
Contacto OTRI: Sixto Jansa Anadón
EMAIL: otri@adm.uned.es
Tfno: 91 398 96 90
UBICACIÓN: Rectorado de la UNED, C/ Bravo Murillo, nº 38, 3ª Pta
28015 Madrid.