Knowledge Discovery in Spectral Data by Means of Complex Networks

Zanin, Massimiliano; Papo, David; González Solis, Jose Luis; Martínez Espinosa, Juan Carlos; Frausto-Reyes, Claudio; Palomares Anda, Pascual; Sevilla-Escoboza, Ricardo; Jaimes-Reategui, Rider; Boccaletti, Stefano; Menasalvas Ruiz, Ernestina y Sousa, Pedro (2013). Knowledge Discovery in Spectral Data by Means of Complex Networks. "Metabolites", v. 3 (n. 1); pp. 155-167. ISSN 2218-1989. https://doi.org/10.3390/metabo3010155.

Descripción

Título: Knowledge Discovery in Spectral Data by Means of Complex Networks
Autor/es:
  • Zanin, Massimiliano
  • Papo, David
  • González Solis, Jose Luis
  • Martínez Espinosa, Juan Carlos
  • Frausto-Reyes, Claudio
  • Palomares Anda, Pascual
  • Sevilla-Escoboza, Ricardo
  • Jaimes-Reategui, Rider
  • Boccaletti, Stefano
  • Menasalvas Ruiz, Ernestina
  • Sousa, Pedro
Tipo de Documento: Artículo
Título de Revista/Publicación: Metabolites
Fecha: Marzo 2013
Volumen: 3
Materias:
Escuela: Centro de Tecnología Biomédica (CTB) (UPM)
Departamento: Otro
Licencias Creative Commons: Reconocimiento - Sin obra derivada - No comercial

Texto completo

[img]
Vista Previa
PDF (Document Portable Format) - Se necesita un visor de ficheros PDF, como GSview, Xpdf o Adobe Acrobat Reader
Descargar (3MB) | Vista Previa

Resumen

In the last decade, complex networks have widely been applied to the study of many natural and man-made systems, and to the extraction of meaningful information from the interaction structures created by genes and proteins. Nevertheless, less attention has been devoted to metabonomics, due to the lack of a natural network representation of spectral data. Here we define a technique for reconstructing networks from spectral data sets, where nodes represent spectral bins, and pairs of them are connected when their intensities follow a pattern associated with a disease. The structural analysis of the resulting network can then be used to feed standard data-mining algorithms, for instance for the classification of new (unlabeled) subjects. Furthermore, we show how the structure of the network is resilient to the presence of external additive noise, and how it can be used to extract relevant knowledge about the development of the disease.

Más información

ID de Registro: 19173
Identificador DC: http://oa.upm.es/19173/
Identificador OAI: oai:oa.upm.es:19173
Identificador DOI: 10.3390/metabo3010155
URL Oficial: http://www.mdpi.com/2218-1989/3/1/155
Depositado por: Memoria Investigacion
Depositado el: 16 Oct 2013 18:37
Ultima Modificación: 21 Abr 2016 17:24
  • Open Access
  • Open Access
  • Sherpa-Romeo
    Compruebe si la revista anglosajona en la que ha publicado un artículo permite también su publicación en abierto.
  • Dulcinea
    Compruebe si la revista española en la que ha publicado un artículo permite también su publicación en abierto.
  • Recolecta
  • e-ciencia
  • Observatorio I+D+i UPM
  • OpenCourseWare UPM