Análisis de algoritmos para la búsqueda de firmas genéticas en cáncer de mama

Este trabajo se presenta como un estudio sobre la relación que existe entre el sistema inmunitario y el cáncer de mama. Con este propósito se van a utilizar diversos algoritmos y modelos de aprendizaje computacional. Aumentar la capacidad del sistema inmunitario frente a las células cancerígenas es uno de los temas actuales de más interés, ya sea por la competencia que otorgaría para prevenir la formación de distintos tipos de cáncer, como por la posibilidad de experimentar con técnicas más eficaces de inmunoterapia, terapias basadas en la modificación del sistema inmunitario y menos agresivas que la radioterapia o la quimioterapia. Los datos que se van a usar para este propósito, presentan la expresión genética del sistema inmunitario de pacientes de la región de Málaga afectadas por cáncer de mama y el subtipo molecular del cáncer que presentan. Se pretende pues observar en qué medida se podría intentar predecir el subtipo del cáncer, a partir de la expresión genética mediante la aplicación de distintos modelos de aprendizaje supervisado, con modelos clásicos como los árboles de decisión o las redes neuronales artificiales, y con modelos más actuales como bagging, boosting o el modelo LASSO. Mediante este análisis también se intenta encontrar algún tipo de correlación entre las variables observadas dentro del conjunto, ayudado además de un análisis con métodos de aprendizaje no supervisado. Los resultados obtenidos nos indican que existe una correlación patente entre ellos, además de que hay posibles firmas genéticas en el conjunto de datos. Tras el análisis, los receptores CTLA y NKG2D, y los genes LMP y TAP, parecen ser las variables moleculares más influyentes en el subtipo molecular del cáncer.