Il tumore è una malattia genetica. Nella ricerca contro il cancro è complicato individuare il gruppo di proteine chiave nello sviluppo delle masse: a tal scopo esistono algoritmi in letteratura, ad esempio HotNet2. Di recente, s'è visto che l'identificazione dei clusters migliora quando vengono presi in considerazione i motifs. In questa tesi si crea un nuovo grafo a partire dalle occorrenze dei motifs sul quale applicare HotNet2; si trovano così nuove proteine cancerose, alcune già note.

Studio dell'estrazione di sottografi mutati nei tumori tramite l'analisi di network motifs

Venir, Luca
2020/2021

Abstract

Il tumore è una malattia genetica. Nella ricerca contro il cancro è complicato individuare il gruppo di proteine chiave nello sviluppo delle masse: a tal scopo esistono algoritmi in letteratura, ad esempio HotNet2. Di recente, s'è visto che l'identificazione dei clusters migliora quando vengono presi in considerazione i motifs. In questa tesi si crea un nuovo grafo a partire dalle occorrenze dei motifs sul quale applicare HotNet2; si trovano così nuove proteine cancerose, alcune già note.
2020-01-07
cancer, genomics, pattern recognition, clustering
File in questo prodotto:
File Dimensione Formato  
Thesis.pdf

accesso aperto

Dimensione 997.89 kB
Formato Adobe PDF
997.89 kB Adobe PDF Visualizza/Apri

The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12608/22903