Volver
Academic · Data Science · Bioinformatics
Heterogeneidad Tumoral
PythonBiomedicalMachine Learning
Análisis de heterogeneidad celular en tejidos tumorales mediante técnicas de machine learning supervisado y no supervisado — competición Codabench.
About
Este proyecto abordó uno de los problemas más complejos de la bioinformática computacional: caracterizar la heterogeneidad celular dentro de un tejido tumoral.
Partiendo de matrices de expresión génica de alta dimensionalidad, se aplicaron técnicas de reducción dimensional, clustering y clasificación supervisada para identificar subpoblaciones celulares con comportamientos distintos.
El proyecto formó parte de una competición Codabench con 150 participantes, donde se alcanzó el top 22 en el ranking global de la asignatura.
El repositorio incluye los notebooks completos con preprocesamiento, análisis y visualizaciones de los resultados.
Highlights
- Clasificación de subpoblaciones celulares en tumores
- Análisis de expresión génica multidimensional
- Clustering jerárquico y k-means especializado
- Reducción dimensional: PCA + UMAP
- Métricas de evaluación específicas para biología computacional
- Top 22 / 150 participantes en la competición Codabench