IMPLEMENTACIÓN DE NUEVOS ALGORITMOS DE INTEGRACIÓN DE DATOS MULTIÓMICOS PARA LA DETECCIÓN DE SUBTIPOS MOLECULARES EN CÁNCER DE PÁNCREAS.

Abstract

El objetivo principal de este trabajo es implementar y evaluar nuevos algoritmos de integración de datos multiómicos para la detección de subtipos moleculares en cáncer de páncreas, una enfermedad altamente heterogénea y con un pronóstico desfavorable. Entre los algoritmos a desarrollar y analizar se encuentra Gaudí, una herramienta innovadora diseñada para la integración de datos ómicos mediante técnicas avanzadas de reducción de dimensionalidad, que permite combinar múltiples tipos de datos biológicos (como genómicos, transcriptómicos, etc.) de manera eficiente. Además, se explorarán otros enfoques basados en métodos de aprendizaje automático, como XGBoost, para la clasificación y predicción de subtipos moleculares, así como técnicas de clusterización no supervisada para identificar patrones ocultos en los datos. Estos métodos se complementarán con estrategias de reducción de dimensionalidad para manejar la alta dimensionalidad de los datos y mejorar la interpretabilidad de los resultados. El objetivo final es desarrollar un marco metodológico robusto que permita identificar subtipos moleculares con mayor precisión, contribuyendo al avance en la personalización de tratamientos y la comprensión de la biología del cáncer de páncreas.