Análisis de datos proteómicos de sı́ndromes parkinsonianos

Jose Manuel Nieto del Valle

Directores: Francisco Jesús Martínez Murcia @pakitochus y Carlos García Puntonet.

Resumen

Este Trabajo Fin de Máster se centra en el análisis de datos de proteínas pertenecientes a sujetos diagnosticados con diferentes síndromes parkinsonianos mediante Machine Learning, incluyendo la enfermedad de Parkinson, la parálisis supranuclear progresiva y la atrofia multisistémica. Para ello se ha hecho uso de dos repositorios obtenidos mediante dos técnicas diferentes: la tecnología de ensayos de extensión por proximidad con el dispositivo Olink® Explore 3072 y la tecnología basada en aptámeros utilizando el dispositivo SomaScan® Assay 4.1. Para la clasificación se ha construido un ensemble de votación compuesto por máquinas de soporte vectorial, $k$ vecinos más cercanos y árboles de decisión. Se aplicaron varias técnicas de selección de características, concretamente ANOVA (Analysis Of VAriance), mRMR (minimal-Redundancy, Maximum Relevance), Random Forest, y el U-Test de Mann-Whitney-Wilcoxon, aparte de utilizar validación cruzada estratificada con k=5. Además, se llevado a cabo un análisis de los biomarcadores seleccionados mediante clustering jerárquico. Proyecto en colaboración con el Centro de Enfermedades Neurodegenerativas de Alemania (Deutsches Zentrum für Neurodegenerative Erkrankungen, DZNE).