Modelo Computacional para la identificación de endofenotipos y clasificación de pacientes con Artritis Reumatoide a partir de datos genéticos y clinicos utilizando técnicas de Inteligencia Computacional

Published in: Innovation in Engineering, Technology and Education for Competitiveness and Prosperity: Proceedings of the 11th Latin American and Caribbean Conference for Engineering and Technology
Date of Conference: August 14-16, 2013
Location of Conference: Cancun, Mexico
Authors: Luis Antonio Morales Muñoz
Luis Fernando Niño
Gerardo Quintana
Technical Paper: #21

Abstract:

In English:
Rheumatoid arthritis (RA) is an autoimmune disease that affects 1% to 3% of the human population, there are genetic markers involved in this disease, we used computational intelligence models for classification and identification of endophenotypes (relationship between phenotype and markers genetic) in patients with rheumatoid arthritis and healthy controls, this genetic information is the HLA DRB1 (Human Leukocyte Antigen) and Shared Epitope theory, which refers to the association between RA and HLA-DRB1, alleles mainly containing a common motif amino acid sequences QKRAA, RRRAA QRRAA or in the HLA-DRB1, at positions 70 to 74 DRB1 chain which confers susceptibility to particular disease individuals. It was possible to develop a computational model for classification using computational models such as neural networks, Bayesian networks and kernel methods for obtaining interesting results.


In Spanish:
La Artritis Reumatoide (AR) es una enfermedad autoinmune que afecta del 1% al 3% de la población humana, existen marcadores genéticos implicados en esta enfermedad, se utilizaron modelos de inteligencia computacional para la clasificación e identificación de endofenotipos (relación entre fenotipo y marcadores genéticos) en pacientes con Artritis Reumatoide y controles sanos, esto a partir de información genética principalmente el HLA DRB1 (Antígeno Leucocitario Humano ) así como la teoría del Epítope Compartido, la cual hace referencia a la asociación entre la AR y el HLA-DRB1, principalmente los alelos que contienen un motivo común de aminoácidos las secuencias QKRAA, QRRAA o RRRAA en el HLA-DRB1, en las posiciones 70 a 74 de la cadena del DRB1 los cuales les confiere una susceptibilidad particular de la enfermedad a los individuos. Se logró desarrollar un Modelo Computacional para clasificación utilizando modelos computacionales como Redes Neuronales, Redes Bayesianas y métodos de Kernel obteniendo resultados interesantes.