Анализ на големи биомедицински данни в подкрепа на прецизната медицина

Автори

  • Десислава Иванова Факултет по приложна математика и информатика, Технически университет, София, България https://orcid.org/0000-0002-0931-2735

DOI :

https://doi.org/10.55630/mem.2024.53.018-024

Ключови думи :

големи данни, биомедицински анализ, откриване на данни от знания, прецизна медицина

Абстракт

Целта на тази статия е да представи основните резултати от научните изследвания на автора в областта на анализа на големи биомедицински данни в подкрепа на прецизната медицина, по-специално геномиката и онкологията. Ос- новните части на статията разкриват най-съвременните технологии за големи данни и тяхното значение за напредъка на молекулярната биология и медицина в контекста на изчислителната парадигма за научни изследвания. Освен това, статията представя подходи за откриване на гени и ранно откриване на рак на гърдата и рак на щитовидната жлеза въз основа на анализ на големи биомедицински данни.

Авторска биография

Автор: Десислава Иванова, Факултет по приложна математика и информатика, Технически университет, София, България

Факултет по Приложна математика и информатика
Технически университет
бул. “Климент Охридски” 8, Бл. 2
1000 София, България

E-mail: ivanova@tu-sofia.bg

Литература (библиография)

A. Akalin, M. Kormaksson, S. Li, F. E. Garrett-Bakelman, M. E. Figueroa, A. Melnick, C. E. Mason. Methylkit: a comprehensive R package for the analysis of genome-wide DNa methylation profile. Genome Biol., 13, (2012), R87 https://doi.org/ 10.1186/gb-2012-13-10-r87.

Breast Cancer Surveillance Consortium, Risk Estimation Datasets & Risk Factors Dataset:https://www.bcsc-research.org/data.

Cancer Genome atlas, cancergenome.nih.gov/.

Challenges and opportunities with Big Data, a community white paper available at: http: //cra.org/ccc/docs/init/bigdatawhitepaper.pdf.

P. Galetsi, K. Katsaliaki, S. Kumar. Big data analytics in health sector: Theoretical framework, techniques and prospects. Int. J. Inf. Manage., 50 (2020), 206–216.

eNCoDe (encyclopedia of DNa elements) Consortium is an international collaboration of research groups funded by the National Human Genome Research Institute (NHGRI), https://www.encodeproject.org/.

R. H. Hariri, E. M. Fredericks, K. M. Bowers. Uncertainty in big data analytics: survey, opportunities, and challenges. J. Big Data, 6 (2019) 44.

D. Ivanova, P. Borovska, V. Gancheva. Experimental Investigation of Enhancer-Promoter Interactions out of Genomic Big Data based on Machine Learning. International Journal of Computers, 3 (2018), 58–62, http://www.iaras.org/iaras/journals/ijc.

D. Ivanova. Big Data analytics for early Detection of Breast Cancer Based on Machine Learning. Proceedings of the 43rd International Conference applications of Mathematics in engineering and economics, aIP Conf. Proc. 1910, https://doi.org/10.1063/1.5014010.

D. Ivanova. Artificial intelligence in internet of medical imaging things: The power of thy- roid cancer detection, Scopus. 2018 International Conference on Information Technologies, InfoTech 2018 Proceedings 8510725;, IEEE, DOI: 10.1109/InfoTech.2018.8510725.

D. Ivanova. Internet of Medical Imaging Things and the Application of Information Technologies for Early Detection of Thyroid Cancer. Scientific Journal “In-Silico Intellect”, 1, no. 1 (2017), 20–25.

MLlib apache Spark: https://spark.apache.org/mllib.

W. H. Wolberg. Breast Cancer Database, University of Wisconsin Hospitals, Madison, Wisconsin, USA.

TargetFinder project: https://github.com/carringtonlab/TargetFinder.

Файлове за сваляне

Публикуван

16.03.2024

Как да цитирате

[1]
Иванова, Д. 2024. Анализ на големи биомедицински данни в подкрепа на прецизната медицина. Математика и математическо образование. 53, (Мар 2024), 18–24. DOI:https://doi.org/10.55630/mem.2024.53.018-024.

Брой

Раздел (Секция)

Доклади по покана