Revista de minería de datos en genómica y proteómica

Abstracto

Selección de características computacionales y clasificación de la severidad fenotípica de RET

David K. Crockett, Stephen R. Piccolo, Scott P. Narus, Joyce A. Mitchell y Julio C. Facelli

Aunque muchas mutaciones reportadas en el oncogén RET han sido asociadas directamente con el carcinoma tiroideo hereditario, otras mutaciones son etiquetadas como variantes genéticas inciertas porque no han sido claramente asociadas con un fenotipo clínico. El proceso de determinar la gravedad de una mutación es costoso y lleva mucho tiempo. Las herramientas y métodos informáticos pueden ayudar a cerrar esta brecha genotipo-fenotipo. Con este objetivo, se evaluaron algoritmos de clasificación de aprendizaje automático por su capacidad para distinguir variantes benignas y patógenas del gen RET caracterizadas por diferencias en los valores de las propiedades fisicoquímicas del residuo presente en el tipo salvaje y el de la secuencia mutada. Se eligieron algoritmos representativos de diferentes categorías de técnicas de clasificación de aprendizaje automático, incluidas reglas, bayes y regresión, vecino más cercano, máquinas de vectores de soporte y árboles. Luego, los modelos de aprendizaje automático se compararon con técnicas bien establecidas utilizadas para la predicción de la gravedad de la mutación. La clasificación de aprendizaje automático se puede utilizar para predecir con precisión el estado de mutación de RET utilizando solo información de la secuencia primaria. Los algoritmos existentes que se basan en la homología de secuencia (conservación de ortólogos) o datos estructurales de proteínas no son necesariamente superiores.