View article

Los clasificadores Bayesianos determinan la clase correspondiente a un determinado patrón como aquella que tiene una mayor probabilidad a posteriori. Dicha probabilidad a posteriori se calcula por medio del teorema de Bayes en conjunción con supuestos acerca de la densidad de los patrones condicionada a la clase. En este capítulo se asumirán diferentes supuestos sobre dicha densidad condicionada, obteniéndose de esta manera los paradigmas clasificatorios náíve Bayes, semi nai've Bayes, náíve Bayes aumentado a árbol y clasificador Bayesiano k dependiente, ejemplos todos ellos de clasificadores Bayesianos. Dichos paradigmas se aplicarán a una base de datos de microarrays de ADN, obtenida por medio de la tecnología patentada por Affymetrix® sobre muestras control, muestras de lupus eritematoso sistémico y de síndrome antifosfolipídico, ambas enfermedades autoinmunes que pueden afectar a múltiples órganos y sistemas corporales. El número de genes a partir de los cuales se inducen los modelos se reduce considerablemente a partir de una técnica original de filtrado consenso. El paradigma clasificador Bayesiano k dependiente se utilizará, en conjunción con la técnica de remuestreo bootstrap, para obtener redes de interacción génica con las cuales se confirmará parte del conocimiento biológico existente sobre las patologías. De igual forma, se formularán nuevas hipótesis a refrendar en un futuro desde una perpesctiva biológica, hipótesis que podrán ser utilizadas para descubrir nuevo conocimiento en este problema.