Alberto Risueño Pérez - Gredos - Universidad de Salamanca

ESLiMc ESLiMt FIRMA ARH COSIE
BRE-­‐CER 0,834 0,854 0,752 0,784 0,640
BRE-­‐HEA 0,708 0,625 0,802 0,882 0,681
BRE-­‐LIV 0,804 0,833 0,879 0,884 0,775
BRE-­‐MUS 0,894 0,872 0,801 0,858 0,647
BRE-­‐TES 0,844 0,856 0,756 0,708 0,636
CER-­‐HEA 0,737 0,758 0,715 0,711 0,656
CER-­‐LIV 0,763 0,785 0,645 0,735 0,705
CER-­‐MUS 0,825 0,763 0,767 0,795 0,728
CER-­‐TES 0,820 0,840 0,690 0,768 0,647
HEA-­‐LIV 0,799 0,897 0,716 0,853 0,588
HEA-­‐MUS 0,854 0,829 0,790 0,807 0,656
HEA-­‐TES 0,935 0,940 0,901 0,717 0,886
LIV-­‐MUS 0,966 NA 0,736 0,676 0,796
LIV-­‐TES 0,789 0,809 0,732 0,773 0,650
MUS-­‐TES 0,899 0,931 0,751 0,880 0,768
Media 0,832 0,828 0,762 0,789 0,697
Media ponderada 0,823 0,818 0,746 0,782 0,675
Capítulo 3
Tabla 3.4. Comparativa de AUCs de las ROCs alcanzada por cada par de tejidos y método de detección de splicing
alternativo estudiados. Se han utilizado dos métodos para promediar los 15 contrastes: media simple y media
ponderada por número de positivos (genes con splicing validado). Los dos métodos desarrollados en este trabajo
(ESLiMc y ESLiMt) muestran un mejor rendimiento que algoritmos previamente publicados (FIRMA, ARH y COSIE).
ESLiMt presenta un "NA" en la comparación LIV-­‐MUS debido a que ninguna sonda mapea en los genes validados
para par de tejidos (ver tabla 3.3).
Figura 3.11. Media ponderada por número de genes validados de las AUCs provenientes de
las curvas ROC de los 15 pares de tejidos. Los dos métodos desarrollados en este trabajo
(ESLiMc y ESLiMt) muestran un mejor rendimiento que algoritmos FIRMA, ARH y COSIE.
Las curvas ROC son una buena técnica para comparar métodos, ya que dan una visión global
clasificando todos los datos disponibles (en este caso todos los genes). Sin embargo, al tratar
con datos de genómicos, la dimensión de las matrices es muy alta y sólo una pequeña parte
79