Aceleración del proceso de selección de características en entornos Big Data : Aplicación en biomarcadores oncológicos

Autores
Camele, Genaro
Año de publicación
2024
Idioma
español castellano
Tipo de recurso
tesis doctoral
Estado
versión aceptada
Colaborador/a o director/a de tesis
Hasperué, Waldo
Descripción
La tesis doctoral se centra en el desarrollo y evaluación de un framework para la aceleración de metaheurísticas en entornos distribuidos utilizando Apache Spark, con un enfoque particular en la optimización de la selección de características para la identificación de biomarcadores oncológicos. La motivación surge de la necesidad de superar las limitaciones de algunas plataformas existentes como Bioplat y Multiomics, y de proporcionar herramientas computacionales avanzadas y accesibles a la comunidad científica en el campo de la bioinformática y la oncología. El framework propuesto introduce estrategias inteligentes para la aceleración de metaheurísticas, diseñadas específicamente para mejorar la eficiencia y el rendimiento en su ejecución en entornos distribuidos, en particular en Apache Spark. Estas técnicas se han implementado en una nueva plataforma denominada Multiomix, que no sólo complementa las funcionalidades de sus predecesoras, sino que también supera sus limitaciones, ofreciendo una solución integral para el análisis de datos multiómicos. Un aspecto clave de esta tesis es la disponibilización de Multiomix como Software as a Service (SaaS), accesible a través de Internet. Este enfoque permite a múltiples usuarios trabajar de manera simultánea, democratizando el acceso a capacidades de cómputo avanzadas y facilitando la colaboración en la comunidad científica. El objetivo general de esta tesis consiste en evaluar la viabilidad y eficacia del framework propuesto para la aceleración de metaheurísticas en entornos distribuidos, con un enfoque particular en su aplicación para la selección de características en la identificación de biomarcadores oncológicos. Además, se busca demostrar cómo la implementación de este framework en una plataforma SaaS puede mejorar significativamente la accesibilidad y la colaboración en la investigación biomédica.
Doctor en Ciencias Informáticas
Universidad Nacional de La Plata
Facultad de Informática
Materia
Ciencias Informáticas
Balance de carga
Selección de características
Cómputo distribuído
Apache Spark
Biomarcadores
Bioinformática
Multiomix
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/176592
Acceder
id SEDICI_bc99b0108bbd92e50a599c82fe3e8f91
oai_identifier_str oai:sedici.unlp.edu.ar:10915/176592
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Aceleración del proceso de selección de características en entornos Big Data : Aplicación en biomarcadores oncológicosCamele, GenaroCiencias InformáticasBalance de cargaSelección de característicasCómputo distribuídoApache SparkBiomarcadoresBioinformáticaMultiomixLa tesis doctoral se centra en el desarrollo y evaluación de un framework para la aceleración de metaheurísticas en entornos distribuidos utilizando Apache Spark, con un enfoque particular en la optimización de la selección de características para la identificación de biomarcadores oncológicos. La motivación surge de la necesidad de superar las limitaciones de algunas plataformas existentes como Bioplat y Multiomics, y de proporcionar herramientas computacionales avanzadas y accesibles a la comunidad científica en el campo de la bioinformática y la oncología. El framework propuesto introduce estrategias inteligentes para la aceleración de metaheurísticas, diseñadas específicamente para mejorar la eficiencia y el rendimiento en su ejecución en entornos distribuidos, en particular en Apache Spark. Estas técnicas se han implementado en una nueva plataforma denominada Multiomix, que no sólo complementa las funcionalidades de sus predecesoras, sino que también supera sus limitaciones, ofreciendo una solución integral para el análisis de datos multiómicos. Un aspecto clave de esta tesis es la disponibilización de Multiomix como Software as a Service (SaaS), accesible a través de Internet. Este enfoque permite a múltiples usuarios trabajar de manera simultánea, democratizando el acceso a capacidades de cómputo avanzadas y facilitando la colaboración en la comunidad científica. El objetivo general de esta tesis consiste en evaluar la viabilidad y eficacia del framework propuesto para la aceleración de metaheurísticas en entornos distribuidos, con un enfoque particular en su aplicación para la selección de características en la identificación de biomarcadores oncológicos. Además, se busca demostrar cómo la implementación de este framework en una plataforma SaaS puede mejorar significativamente la accesibilidad y la colaboración en la investigación biomédica.Doctor en Ciencias InformáticasUniversidad Nacional de La PlataFacultad de InformáticaHasperué, Waldo2024-12-13info:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/acceptedVersionTesis de doctoradohttp://purl.org/coar/resource_type/c_db06info:ar-repo/semantics/tesisDoctoralapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/176592https://doi.org/10.35537/10915/176592spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by/4.0/Creative Commons Attribution 4.0 International (CC BY 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-10-22T17:28:33Zoai:sedici.unlp.edu.ar:10915/176592Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-10-22 17:28:33.279SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Aceleración del proceso de selección de características en entornos Big Data : Aplicación en biomarcadores oncológicos
title Aceleración del proceso de selección de características en entornos Big Data : Aplicación en biomarcadores oncológicos
spellingShingle Aceleración del proceso de selección de características en entornos Big Data : Aplicación en biomarcadores oncológicos
Camele, Genaro
Ciencias Informáticas
Balance de carga
Selección de características
Cómputo distribuído
Apache Spark
Biomarcadores
Bioinformática
Multiomix
title_short Aceleración del proceso de selección de características en entornos Big Data : Aplicación en biomarcadores oncológicos
title_full Aceleración del proceso de selección de características en entornos Big Data : Aplicación en biomarcadores oncológicos
title_fullStr Aceleración del proceso de selección de características en entornos Big Data : Aplicación en biomarcadores oncológicos
title_full_unstemmed Aceleración del proceso de selección de características en entornos Big Data : Aplicación en biomarcadores oncológicos
title_sort Aceleración del proceso de selección de características en entornos Big Data : Aplicación en biomarcadores oncológicos
dc.creator.none.fl_str_mv Camele, Genaro
author Camele, Genaro
author_facet Camele, Genaro
author_role author
dc.contributor.none.fl_str_mv Hasperué, Waldo
dc.subject.none.fl_str_mv Ciencias Informáticas
Balance de carga
Selección de características
Cómputo distribuído
Apache Spark
Biomarcadores
Bioinformática
Multiomix
topic Ciencias Informáticas
Balance de carga
Selección de características
Cómputo distribuído
Apache Spark
Biomarcadores
Bioinformática
Multiomix
dc.description.none.fl_txt_mv La tesis doctoral se centra en el desarrollo y evaluación de un framework para la aceleración de metaheurísticas en entornos distribuidos utilizando Apache Spark, con un enfoque particular en la optimización de la selección de características para la identificación de biomarcadores oncológicos. La motivación surge de la necesidad de superar las limitaciones de algunas plataformas existentes como Bioplat y Multiomics, y de proporcionar herramientas computacionales avanzadas y accesibles a la comunidad científica en el campo de la bioinformática y la oncología. El framework propuesto introduce estrategias inteligentes para la aceleración de metaheurísticas, diseñadas específicamente para mejorar la eficiencia y el rendimiento en su ejecución en entornos distribuidos, en particular en Apache Spark. Estas técnicas se han implementado en una nueva plataforma denominada Multiomix, que no sólo complementa las funcionalidades de sus predecesoras, sino que también supera sus limitaciones, ofreciendo una solución integral para el análisis de datos multiómicos. Un aspecto clave de esta tesis es la disponibilización de Multiomix como Software as a Service (SaaS), accesible a través de Internet. Este enfoque permite a múltiples usuarios trabajar de manera simultánea, democratizando el acceso a capacidades de cómputo avanzadas y facilitando la colaboración en la comunidad científica. El objetivo general de esta tesis consiste en evaluar la viabilidad y eficacia del framework propuesto para la aceleración de metaheurísticas en entornos distribuidos, con un enfoque particular en su aplicación para la selección de características en la identificación de biomarcadores oncológicos. Además, se busca demostrar cómo la implementación de este framework en una plataforma SaaS puede mejorar significativamente la accesibilidad y la colaboración en la investigación biomédica.
Doctor en Ciencias Informáticas
Universidad Nacional de La Plata
Facultad de Informática
description La tesis doctoral se centra en el desarrollo y evaluación de un framework para la aceleración de metaheurísticas en entornos distribuidos utilizando Apache Spark, con un enfoque particular en la optimización de la selección de características para la identificación de biomarcadores oncológicos. La motivación surge de la necesidad de superar las limitaciones de algunas plataformas existentes como Bioplat y Multiomics, y de proporcionar herramientas computacionales avanzadas y accesibles a la comunidad científica en el campo de la bioinformática y la oncología. El framework propuesto introduce estrategias inteligentes para la aceleración de metaheurísticas, diseñadas específicamente para mejorar la eficiencia y el rendimiento en su ejecución en entornos distribuidos, en particular en Apache Spark. Estas técnicas se han implementado en una nueva plataforma denominada Multiomix, que no sólo complementa las funcionalidades de sus predecesoras, sino que también supera sus limitaciones, ofreciendo una solución integral para el análisis de datos multiómicos. Un aspecto clave de esta tesis es la disponibilización de Multiomix como Software as a Service (SaaS), accesible a través de Internet. Este enfoque permite a múltiples usuarios trabajar de manera simultánea, democratizando el acceso a capacidades de cómputo avanzadas y facilitando la colaboración en la comunidad científica. El objetivo general de esta tesis consiste en evaluar la viabilidad y eficacia del framework propuesto para la aceleración de metaheurísticas en entornos distribuidos, con un enfoque particular en su aplicación para la selección de características en la identificación de biomarcadores oncológicos. Además, se busca demostrar cómo la implementación de este framework en una plataforma SaaS puede mejorar significativamente la accesibilidad y la colaboración en la investigación biomédica.
publishDate 2024
dc.date.none.fl_str_mv 2024-12-13
dc.type.none.fl_str_mv info:eu-repo/semantics/doctoralThesis
info:eu-repo/semantics/acceptedVersion
Tesis de doctorado
http://purl.org/coar/resource_type/c_db06
info:ar-repo/semantics/tesisDoctoral
format doctoralThesis
status_str acceptedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/176592
https://doi.org/10.35537/10915/176592
url http://sedici.unlp.edu.ar/handle/10915/176592
https://doi.org/10.35537/10915/176592
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by/4.0/
Creative Commons Attribution 4.0 International (CC BY 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by/4.0/
Creative Commons Attribution 4.0 International (CC BY 4.0)
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1846783769902579712
score 12.982451

Publicaciones similares