Exposición de proyectos de investigación y diseño del NIN
Acompáñenos a la Expo de Proyectos de Investigación y Diseño del ININ, un evento inspirador que destaca la innovación, la creatividad y el impacto de los estudiantes de IngenierÃa Industrial de la UPRM. Durante esta exhibición, estudiantes de investigación, proyectos especiales y diseño de proyectos finales presentarán su trabajo mediante atractivas sesiones de pósteres. Esta es una oportunidad única para explorar diversos temas, conectar con estudiantes investigadores y celebrar las soluciones innovadoras que se desarrollan en nuestro departamento. Apoye a nuestros talentosos estudiantes del ININ mientras comparten sus ideas, perspectivas y contribuciones al campo.
Proyectos de investigación del ININ
Los Proyectos de Investigación del ININ muestran el trabajo innovador de estudiantes de IngenierÃa Industrial, quienes abordan retos del mundo real mediante la investigación. Guiados por sus mentores académicos —Dr. Samuel Bonet, Dra. Betzabé RodrÃguez, Dr. Héctor Carlo y Dra. Wandaliz Torres—, los estudiantes exploran temas de gran impacto y aplican habilidades analÃticas para impulsar el campo de la IngenierÃa Industrial.
Mentor:
Dr. Samuel Bonet Olivencia
Undergraduate Researchers:
Fabiola A. Acevedo Andino
Ricardo D. Marrero Lugo
Jeriel Sáez González
​
Social Media:
Poster Location: 39
01
Reducir las brechas de acceso a la atención médica: evaluación de la preparación y las barreras de la telesalud
Este estudio explora la preparación de Puerto Rico para la adopción de la telesalud, evaluando actitudes, preparación y barreras para la aceptación de la tecnologÃa en la atención médica. Examina tanto los factores facilitadores como los limitantes, clasificándolos según lo que miden, como la calidad de la comunicación, la confianza en la tecnologÃa, la adaptabilidad y las preocupaciones de seguridad. La encuesta evalúa aspectos clave como la facilidad de uso percibida, los beneficios esperados, el acceso digital y las experiencias previas en telesalud para desarrollar un perfil de preparación integral. Al identificar oportunidades y obstáculos, esta investigación proporciona información para que los proveedores de atención médica y los formuladores de polÃticas mejoren la accesibilidad a la telesalud, aborden las disparidades digitales y fortalezcan la confianza en las soluciones de atención médica virtual. Comprender estos factores ayudará a cerrar brechas en los servicios de atención médica, mejorar la participación del paciente y promover la adopción equitativa de la telesalud en todo Puerto Rico. Los hallazgos contribuyen a la formulación de estrategias que garanticen la integración efectiva de la telesalud, fomentando un sistema de atención médica más inclusivo y tecnológicamente avanzado.
02
Establecimiento de un marco de fabricación para STC como herramienta predictiva
Las predicciones precisas de rendimiento son esenciales para el control de la producción y la toma de decisiones estratégicas en la industria manufacturera. Esta investigación evalúa el Control EstadÃstico de Rendimiento (CPR) como herramienta predictiva para evaluar el cumplimiento de los objetivos de producción. Mediante análisis basados en simulación, buscamos identificar marcos de fabricación donde el CPR proporciona información fiable.
La primera fase del estudio se centra en definir escenarios clave, considerando factores como el flujo de producción, los cuellos de botella, la fiabilidad de las máquinas y la asignación de personal. Una vez establecidos, la siguiente fase capacitará al predictor para ir más allá de la previsión, permitiéndole ofrecer recomendaciones basadas en datos, como el ajuste de la capacidad o la programación de horas extra.
Actualmente en sus etapas iniciales, esta investigación busca integrar el análisis predictivo con el apoyo a la toma de decisiones para optimizar las operaciones. El trabajo futuro perfeccionará el modelo para garantizar su eficacia como herramienta práctica para mejorar la eficiencia de la fabricación.
Mentor:
Dr. Betzabé Rodríguez Álamo
Undergraduate Researchers:
Verónica M. Cartagena Lebrón
Crislean M. Olivencia Rodríguez​
Poster Location: 34
03
Mentor:
Dr. Samuel Bonet Olivencia
Undergraduate Researcher:
Sebastian J. Cabán Rodríguez
​
Social Media:
Poster Location: 36
TecnologÃas digitales para apoyar a estudiantes universitarios con TDAH y/o discapacidades de aprendizaje
Este proyecto de investigación, liderado por el Laboratorio de IngenierÃa de Sistemas Humanos y de Salud (HHSE) y dirigido por el Dr. Samuel A. Bonet Olivencia, se centra en abordar las necesidades de los estudiantes universitarios en Puerto Rico que enfrentan retos asociados con el TDAH y/o discapacidades de aprendizaje. Tras una extensa revisión bibliográfica, se identificaron múltiples aplicaciones digitales existentes que ofrecen apoyo en áreas como la organización, la gestión de tareas, la educación, la salud y la productividad. Sin embargo, la falta de evidencia concreta sobre la eficacia de estas herramientas resalta la necesidad de un enfoque más innovador. Por lo tanto, el proyecto ha evolucionado hacia el desarrollo de intervenciones digitales diseñadas para demostrar la eficacia de estas tecnologÃas para mejorar la calidad de vida y el rendimiento académico de los estudiantes. El compromiso de involucrar a todos los actores clave sigue siendo clave, buscando un impacto significativo y duradero que beneficie a toda la comunidad educativa.
04
Hacia un marco de toma de decisiones individual para lograr la mitigación de los efectos del cambio climático con una perspectiva local
Los desastres naturales en Puerto Rico son cada vez más frecuentes y severos debido al cambio climático. Este trabajo se centra en la selección intencionada de plantas y árboles para rodear viviendas y asà reducir los efectos nocivos de fenómenos como el viento, los incendios forestales, las inundaciones, las plagas y las altas temperaturas. Para ello, las observaciones iniciales realizadas en cuatro lugares de la isla permitieron reconocer la función que ciertas caracterÃsticas de las plantas y su entorno cumplen para ayudarlas a sobrevivir y brindarles protección. La forma de las hojas, la forma de la copa y el tipo de cuerpo del tallo, entre muchos otros, pueden utilizarse para caracterizar los tipos de plantas y evaluar su nivel de protección ante diferentes fenómenos. Este paso es el primero en la construcción de un marco de toma de decisiones donde la selección y evaluación de plantas propuestas pueda ser realizada por los residentes de la isla.
Mentor:
Dr. Mauricio Cabrera
Undergraduate Researchers:
Emmanuel I. Nazario Acevedo
Antonio Monge Perloni​
Poster Location: 41
05
Mentor:
Dr. Samuel Bonet Olivencia
Undergraduate Researchers:
Yamieleny M. Meléndez Ramos​
Valerie N. Morales Rodríguez
Alondra A. Collazo García
​
Social Media:
Poster Location: 40
Modalidades en la Educación Universitaria
Este estudio busca desarrollar un marco para guiar a las instituciones en la implementación de programas de educación en lÃnea. El enfoque principal es facilitar un análisis comparativo entre la infraestructura educativa actual y las mejores prácticas identificadas, considerando elementos clave como la tecnologÃa, el profesorado, la institución, el estudiantado y las modalidades de aprendizaje. La metodologÃa incluyó una revisión bibliográfica y el desarrollo de un cuestionario para estudiantes de la Universidad de Puerto Rico en Mayagüez. El cuestionario incorporó preguntas sobre las percepciones de los estudiantes sobre las clases en lÃnea y los factores que impulsan e inhiben el uso de la tecnologÃa aplicada a la educación. También se identificaron los componentes del sistema educativo y sus interacciones para comprender cómo influyen en la efectividad de la educación en lÃnea. Esta fase servirá de base para entrevistas con el profesorado, asà como para un análisis más profundo de las relaciones entre estos componentes.
06
Problema de ubicación de instalaciones discretas capacitadas estocásticamente para centros de resiliencia energética
Los centros de resiliencia energética (ERH) son instalaciones diseñadas para apoyar a las comunidades en caso de interrupciones importantes, ofreciendo servicios como estaciones de carga de dispositivos, energÃa para equipos de soporte vital y refrigeración para suministros vitales. Los ERH sirven como puntos de distribución de suministros de emergencia, albergando operaciones de emergencia y centros de comando. En condiciones normales, los ERH podrÃan servir como centros comunitarios que podrÃan ofrecer servicios de tutorÃa, ferias de salud, etc. Este estudio presenta un problema de ubicación de instalaciones capacitadas discretas, estocásticas y lineales de dos fases para la planificación predesastre de ERH, con el fin de minimizar una función de desutilidad social bajo el supuesto de que la capacidad es lineal y continua. La primera fase determina la ubicación de la instalación y la capacidad energética bajo una restricción presupuestaria. La segunda fase minimiza una función de desutilidad ponderada directamente relacionada con la distancia de cada comunidad a la instalación y la demanda prevista de ERH, considerando múltiples escenarios de desastre. Se presenta un algoritmo genético (AG) y se compara con los resultados óptimos de la formulación estocástica exhaustiva utilizando datos reales de comunidades rurales de Puerto Rico.
Mentor:
Dr. Héctor Carlo Colón
Undergraduate Researcher:
Abdiel Ocaña Colón
Poster Location: 38​
Mentor:
Dr. Samuel Bonet Olivencia
Undergraduate Researchers:
Jossmarie Santiago Burgos
Adriana V. Vázquez Cuevas​
Sara M. Soto Rivera
Emmanuel A. Aleman Alicea
Social Media:
Poster Location: 35
07
Mejorando la seguridad en el trabajo: Desarrollo de un marco sociotécnico eficaz para la capacitación en ergonomÃa en Puerto Rico
La evolución de las condiciones laborales y los cambios en el perfil antropométrico de la fuerza laboral resaltan la necesidad de un enfoque modernizado para la ergonomÃa ocupacional. Esta investigación busca desarrollar un marco efectivo de capacitación en ergonomÃa adaptado a las necesidades especÃficas de las industrias locales. El estudio adopta un doble enfoque: primero, evalúa la efectividad de los programas actuales de capacitación en ergonomÃa en diversos sectores industriales, centrándose en su impacto en la seguridad, la salud y la productividad de los empleados; segundo, aborda los datos antropométricos obsoletos utilizados en el diseño de estaciones de trabajo y equipos industriales, ya que las últimas mediciones se realizaron hace más de 26 años. Mediante la recopilación de nuevas mediciones antropométricas de una muestra representativa de la fuerza laboral y el análisis de la retroalimentación de los empleados sobre la capacitación en ergonomÃa, este estudio proporcionará información crucial sobre la necesidad de programas de capacitación mejorados y estándares de diseño actualizados. Los hallazgos ayudarán a crear un marco estandarizado para la capacitación en ergonomÃa, garantizando que satisfaga las necesidades actuales de la fuerza laboral. Esta investigación contribuirá en última instancia a mejorar la salud, la seguridad y la eficiencia en el trabajo al alinear las prácticas ergonómicas con las caracterÃsticas fÃsicas actuales y las demandas emergentes de la industria.
08
Algoritmo de selección de caracterÃsticas de conjunto hÃbrido basado en consenso para el descubrimiento de biomarcadores de diagnóstico de endometriosis
La endometriosis es una enfermedad caracterizada por el crecimiento de tejido endometrial fuera del útero. Se sabe que causa dolor pélvico y se ha relacionado con la infertilidad. El diagnóstico de la endometriosis lleva años, en parte porque el método de referencia para el diagnóstico es la cirugÃa laparoscópica. Investigaciones previas para identificar posibles biomarcadores moleculares enfrentan limitaciones estadÃsticas y computacionales debido al pequeño tamaño de la muestra y la alta dimensionalidad. Además, no existe una estandarización con respecto a los factores que pueden alterar la expresión génica del tejido endometrial, como el ciclo menstrual. Por lo tanto, proponemos el desarrollo de un marco de consenso para extraer los mejores subconjuntos de caracterÃsticas para discriminar entre pacientes con endometriosis y pacientes sin endometriosis utilizando la expresión génica mientras se considera el ciclo menstrual. Nuestro objetivo es identificar subconjuntos de caracterÃsticas utilizando (1) algoritmos de búsqueda basados en optimización junto con métodos de clasificación y (2) consultas de procesos funcionales de bases de datos con anotaciones genéticas en múltiples experimentos disponibles públicamente del Gene Expression Omnibus.
Mentor:
Dr. Wandaliz Torres García
Graduate Researcher:
Carolina Arroyo Roldán​
Poster Location: 33
Mentor:
Dr. Samuel Bonet Olivencia
Undergraduate Researchers:
Xamarys Ignacio Menéndez
Yaniel E. Cruz Santa
Iván A. Carrión Ortíz
​
Social Media:
Poster Location: 37
09
Perspectivas de los cuidadores informales: Diseño de una solución de salud móvil para la atención de la demencia
La enfermedad de Alzheimer y las demencias relacionadas (ADRD) afectan tanto a los pacientes como a sus cuidadores, quienes a menudo enfrentan estrés, agotamiento y una gran carga emocional y fÃsica. En Puerto Rico, la ADRD es la cuarta causa principal de muerte, con más de 116,000 casos, lo que deja a muchos cuidadores informales, principalmente familiares, con dificultades para acceder a apoyo y recursos. Las intervenciones de salud móvil (mHealth) ofrecen herramientas escalables para empoderar a los cuidadores, mejorando sus conocimientos, mecanismos de afrontamiento y la coordinación de la atención. En esta primera fase del estudio, se realizaron entrevistas semiestructuradas con 15 cuidadores informales de pacientes con ADRD en Puerto Rico, con el objetivo de identificar áreas clave donde una intervención de mHealth, integrada con inteligencia artificial, podrÃa apoyar a los cuidadores informales tanto en la prestación de cuidados como en el autocuidado.
Proyectos de investigación del ININ
Los Proyectos de Investigación del ININ muestran el trabajo innovador de estudiantes de IngenierÃa Industrial, quienes abordan retos del mundo real mediante la investigación. Guiados por sus mentores académicos —Dr. Samuel Bonet, Dra. Betzabé RodrÃguez, Dr. Héctor Carlo y Dra. Wandaliz Torres—, los estudiantes exploran temas de gran impacto y aplican habilidades analÃticas para impulsar el campo de la IngenierÃa Industrial.
08
Algoritmo de selección de caracterÃsticas de conjunto hÃbrido basado en consenso para el descubrimiento de biomarcadores de diagnóstico de endometriosis
La endometriosis es una enfermedad caracterizada por el crecimiento de tejido endometrial fuera del útero. Se sabe que causa dolor pélvico y se ha relacionado con la infertilidad. El diagnóstico de la endometriosis lleva años, en parte porque el método de referencia para el diagnóstico es la cirugÃa laparoscópica. Investigaciones previas para identificar posibles biomarcadores moleculares enfrentan limitaciones estadÃsticas y computacionales debido al pequeño tamaño de la muestra y la alta dimensionalidad. Además, no existe una estandarización con respecto a los factores que pueden alterar la expresión génica del tejido endometrial, como el ciclo menstrual. Por lo tanto, proponemos el desarrollo de un marco de consenso para extraer los mejores subconjuntos de caracterÃsticas para discriminar entre pacientes con endometriosis y pacientes sin endometriosis utilizando la expresión génica mientras se considera el ciclo menstrual. Nuestro objetivo es identificar subconjuntos de caracterÃsticas utilizando (1) algoritmos de búsqueda basados en optimización junto con métodos de clasificación y (2) consultas de procesos funcionales de bases de datos con anotaciones genéticas en múltiples experimentos disponibles públicamente del Gene Expression Omnibus.
Professor:
Dr. Pedro Resto
Undergraduate Students:
Alondra I. Mendoza Ortíz
Alondra M. Trabal Bobé
Poster Location: 18
08
Algoritmo de selección de caracterÃsticas de conjunto hÃbrido basado en consenso para el descubrimiento de biomarcadores de diagnóstico de endometriosis
La endometriosis es una enfermedad caracterizada por el crecimiento de tejido endometrial fuera del útero. Se sabe que causa dolor pélvico y se ha relacionado con la infertilidad. El diagnóstico de la endometriosis lleva años, en parte porque el método de referencia para el diagnóstico es la cirugÃa laparoscópica. Investigaciones previas para identificar posibles biomarcadores moleculares enfrentan limitaciones estadÃsticas y computacionales debido al pequeño tamaño de la muestra y la alta dimensionalidad. Además, no existe una estandarización con respecto a los factores que pueden alterar la expresión génica del tejido endometrial, como el ciclo menstrual. Por lo tanto, proponemos el desarrollo de un marco de consenso para extraer los mejores subconjuntos de caracterÃsticas para discriminar entre pacientes con endometriosis y pacientes sin endometriosis utilizando la expresión génica mientras se considera el ciclo menstrual. Nuestro objetivo es identificar subconjuntos de caracterÃsticas utilizando (1) algoritmos de búsqueda basados en optimización junto con métodos de clasificación y (2) consultas de procesos funcionales de bases de datos con anotaciones genéticas en múltiples experimentos disponibles públicamente del Gene Expression Omnibus.
Professor:
Dr. Lourdes Medina
Undergraduate Students:
Elena V. Vargas Álvarez
David D. Sánchez Félix
Poster Location: 24
08
Algoritmo de selección de caracterÃsticas de conjunto hÃbrido basado en consenso para el descubrimiento de biomarcadores de diagnóstico de endometriosis
La endometriosis es una enfermedad caracterizada por el crecimiento de tejido endometrial fuera del útero. Se sabe que causa dolor pélvico y se ha relacionado con la infertilidad. El diagnóstico de la endometriosis lleva años, en parte porque el método de referencia para el diagnóstico es la cirugÃa laparoscópica. Investigaciones previas para identificar posibles biomarcadores moleculares enfrentan limitaciones estadÃsticas y computacionales debido al pequeño tamaño de la muestra y la alta dimensionalidad. Además, no existe una estandarización con respecto a los factores que pueden alterar la expresión génica del tejido endometrial, como el ciclo menstrual. Por lo tanto, proponemos el desarrollo de un marco de consenso para extraer los mejores subconjuntos de caracterÃsticas para discriminar entre pacientes con endometriosis y pacientes sin endometriosis utilizando la expresión génica mientras se considera el ciclo menstrual. Nuestro objetivo es identificar subconjuntos de caracterÃsticas utilizando (1) algoritmos de búsqueda basados en optimización junto con métodos de clasificación y (2) consultas de procesos funcionales de bases de datos con anotaciones genéticas en múltiples experimentos disponibles públicamente del Gene Expression Omnibus.
Professor:
Dr. Pedro Resto
Undergraduate Students:
Marcos Dávila Velázquez
Raúl A. Peña Muñíz
Poster Location: 27
08
Algoritmo de selección de caracterÃsticas de conjunto hÃbrido basado en consenso para el descubrimiento de biomarcadores de diagnóstico de endometriosis
La endometriosis es una enfermedad caracterizada por el crecimiento de tejido endometrial fuera del útero. Se sabe que causa dolor pélvico y se ha relacionado con la infertilidad. El diagnóstico de la endometriosis lleva años, en parte porque el método de referencia para el diagnóstico es la cirugÃa laparoscópica. Investigaciones previas para identificar posibles biomarcadores moleculares enfrentan limitaciones estadÃsticas y computacionales debido al pequeño tamaño de la muestra y la alta dimensionalidad. Además, no existe una estandarización con respecto a los factores que pueden alterar la expresión génica del tejido endometrial, como el ciclo menstrual. Por lo tanto, proponemos el desarrollo de un marco de consenso para extraer los mejores subconjuntos de caracterÃsticas para discriminar entre pacientes con endometriosis y pacientes sin endometriosis utilizando la expresión génica mientras se considera el ciclo menstrual. Nuestro objetivo es identificar subconjuntos de caracterÃsticas utilizando (1) algoritmos de búsqueda basados en optimización junto con métodos de clasificación y (2) consultas de procesos funcionales de bases de datos con anotaciones genéticas en múltiples experimentos disponibles públicamente del Gene Expression Omnibus.
Professor:
Dr. Lourdes Medina
Undergraduate Students:
Diego F. Rivera Hernández
David A. Villahermosa Marrero
Poster Location: 20
08
Algoritmo de selección de caracterÃsticas de conjunto hÃbrido basado en consenso para el descubrimiento de biomarcadores de diagnóstico de endometriosis
La endometriosis es una enfermedad caracterizada por el crecimiento de tejido endometrial fuera del útero. Se sabe que causa dolor pélvico y se ha relacionado con la infertilidad. El diagnóstico de la endometriosis lleva años, en parte porque el método de referencia para el diagnóstico es la cirugÃa laparoscópica. Investigaciones previas para identificar posibles biomarcadores moleculares enfrentan limitaciones estadÃsticas y computacionales debido al pequeño tamaño de la muestra y la alta dimensionalidad. Además, no existe una estandarización con respecto a los factores que pueden alterar la expresión génica del tejido endometrial, como el ciclo menstrual. Por lo tanto, proponemos el desarrollo de un marco de consenso para extraer los mejores subconjuntos de caracterÃsticas para discriminar entre pacientes con endometriosis y pacientes sin endometriosis utilizando la expresión génica mientras se considera el ciclo menstrual. Nuestro objetivo es identificar subconjuntos de caracterÃsticas utilizando (1) algoritmos de búsqueda basados en optimización junto con métodos de clasificación y (2) consultas de procesos funcionales de bases de datos con anotaciones genéticas en múltiples experimentos disponibles públicamente del Gene Expression Omnibus.
Professor:
Dr. Pedro Resto
Undergraduate Students:
Rosa M. Laureano Marrero
Carlos A. Padilla Rivera
Poster Location: 31
08
Algoritmo de selección de caracterÃsticas de conjunto hÃbrido basado en consenso para el descubrimiento de biomarcadores de diagnóstico de endometriosis
La endometriosis es una enfermedad caracterizada por el crecimiento de tejido endometrial fuera del útero. Se sabe que causa dolor pélvico y se ha relacionado con la infertilidad. El diagnóstico de la endometriosis lleva años, en parte porque el método de referencia para el diagnóstico es la cirugÃa laparoscópica. Investigaciones previas para identificar posibles biomarcadores moleculares enfrentan limitaciones estadÃsticas y computacionales debido al pequeño tamaño de la muestra y la alta dimensionalidad. Además, no existe una estandarización con respecto a los factores que pueden alterar la expresión génica del tejido endometrial, como el ciclo menstrual. Por lo tanto, proponemos el desarrollo de un marco de consenso para extraer los mejores subconjuntos de caracterÃsticas para discriminar entre pacientes con endometriosis y pacientes sin endometriosis utilizando la expresión génica mientras se considera el ciclo menstrual. Nuestro objetivo es identificar subconjuntos de caracterÃsticas utilizando (1) algoritmos de búsqueda basados en optimización junto con métodos de clasificación y (2) consultas de procesos funcionales de bases de datos con anotaciones genéticas en múltiples experimentos disponibles públicamente del Gene Expression Omnibus.
Professor:
Dr. Lourdes Medina
Undergraduate Students:
Luis R. López Ortíz
Freddy A. Justiniano Monserrat
Poster Location: 3
08
Algoritmo de selección de caracterÃsticas de conjunto hÃbrido basado en consenso para el descubrimiento de biomarcadores de diagnóstico de endometriosis
La endometriosis es una enfermedad caracterizada por el crecimiento de tejido endometrial fuera del útero. Se sabe que causa dolor pélvico y se ha relacionado con la infertilidad. El diagnóstico de la endometriosis lleva años, en parte porque el método de referencia para el diagnóstico es la cirugÃa laparoscópica. Investigaciones previas para identificar posibles biomarcadores moleculares enfrentan limitaciones estadÃsticas y computacionales debido al pequeño tamaño de la muestra y la alta dimensionalidad. Además, no existe una estandarización con respecto a los factores que pueden alterar la expresión génica del tejido endometrial, como el ciclo menstrual. Por lo tanto, proponemos el desarrollo de un marco de consenso para extraer los mejores subconjuntos de caracterÃsticas para discriminar entre pacientes con endometriosis y pacientes sin endometriosis utilizando la expresión génica mientras se considera el ciclo menstrual. Nuestro objetivo es identificar subconjuntos de caracterÃsticas utilizando (1) algoritmos de búsqueda basados en optimización junto con métodos de clasificación y (2) consultas de procesos funcionales de bases de datos con anotaciones genéticas en múltiples experimentos disponibles públicamente del Gene Expression Omnibus.
Professor:
Dr. Pedro Resto
Undergraduate Students:
Elvin G. Ramos Valentín
Abdiel Ocaña Colón
Poster Location: 14
08
Algoritmo de selección de caracterÃsticas de conjunto hÃbrido basado en consenso para el descubrimiento de biomarcadores de diagnóstico de endometriosis
La endometriosis es una enfermedad caracterizada por el crecimiento de tejido endometrial fuera del útero. Se sabe que causa dolor pélvico y se ha relacionado con la infertilidad. El diagnóstico de la endometriosis lleva años, en parte porque el método de referencia para el diagnóstico es la cirugÃa laparoscópica. Investigaciones previas para identificar posibles biomarcadores moleculares enfrentan limitaciones estadÃsticas y computacionales debido al pequeño tamaño de la muestra y la alta dimensionalidad. Además, no existe una estandarización con respecto a los factores que pueden alterar la expresión génica del tejido endometrial, como el ciclo menstrual. Por lo tanto, proponemos el desarrollo de un marco de consenso para extraer los mejores subconjuntos de caracterÃsticas para discriminar entre pacientes con endometriosis y pacientes sin endometriosis utilizando la expresión génica mientras se considera el ciclo menstrual. Nuestro objetivo es identificar subconjuntos de caracterÃsticas utilizando (1) algoritmos de búsqueda basados en optimización junto con métodos de clasificación y (2) consultas de procesos funcionales de bases de datos con anotaciones genéticas en múltiples experimentos disponibles públicamente del Gene Expression Omnibus.
Professor:
Dr. Lourdes Medina
Undergraduate Students:
Rodnny J. Hernández Valentín
Victoria M. Suárez Rivera
Poster Location: 7
08
Algoritmo de selección de caracterÃsticas de conjunto hÃbrido basado en consenso para el descubrimiento de biomarcadores de diagnóstico de endometriosis
La endometriosis es una enfermedad caracterizada por el crecimiento de tejido endometrial fuera del útero. Se sabe que causa dolor pélvico y se ha relacionado con la infertilidad. El diagnóstico de la endometriosis lleva años, en parte porque el método de referencia para el diagnóstico es la cirugÃa laparoscópica. Investigaciones previas para identificar posibles biomarcadores moleculares enfrentan limitaciones estadÃsticas y computacionales debido al pequeño tamaño de la muestra y la alta dimensionalidad. Además, no existe una estandarización con respecto a los factores que pueden alterar la expresión génica del tejido endometrial, como el ciclo menstrual. Por lo tanto, proponemos el desarrollo de un marco de consenso para extraer los mejores subconjuntos de caracterÃsticas para discriminar entre pacientes con endometriosis y pacientes sin endometriosis utilizando la expresión génica mientras se considera el ciclo menstrual. Nuestro objetivo es identificar subconjuntos de caracterÃsticas utilizando (1) algoritmos de búsqueda basados en optimización junto con métodos de clasificación y (2) consultas de procesos funcionales de bases de datos con anotaciones genéticas en múltiples experimentos disponibles públicamente del Gene Expression Omnibus.
Professor:
Dr. Pedro Resto
Undergraduate Students:
Ángel G. Corchado Rivera
Xamarys Ignacio Menéndez
Poster Location: 13
08
Algoritmo de selección de caracterÃsticas de conjunto hÃbrido basado en consenso para el descubrimiento de biomarcadores de diagnóstico de endometriosis
La endometriosis es una enfermedad caracterizada por el crecimiento de tejido endometrial fuera del útero. Se sabe que causa dolor pélvico y se ha relacionado con la infertilidad. El diagnóstico de la endometriosis lleva años, en parte porque el método de referencia para el diagnóstico es la cirugÃa laparoscópica. Investigaciones previas para identificar posibles biomarcadores moleculares enfrentan limitaciones estadÃsticas y computacionales debido al pequeño tamaño de la muestra y la alta dimensionalidad. Además, no existe una estandarización con respecto a los factores que pueden alterar la expresión génica del tejido endometrial, como el ciclo menstrual. Por lo tanto, proponemos el desarrollo de un marco de consenso para extraer los mejores subconjuntos de caracterÃsticas para discriminar entre pacientes con endometriosis y pacientes sin endometriosis utilizando la expresión génica mientras se considera el ciclo menstrual. Nuestro objetivo es identificar subconjuntos de caracterÃsticas utilizando (1) algoritmos de búsqueda basados en optimización junto con métodos de clasificación y (2) consultas de procesos funcionales de bases de datos con anotaciones genéticas en múltiples experimentos disponibles públicamente del Gene Expression Omnibus.
Professor:
Dr. Lourdes Medina
Undergraduate Student:
Ricardo Acosta González
Poster Location: 2
08
Algoritmo de selección de caracterÃsticas de conjunto hÃbrido basado en consenso para el descubrimiento de biomarcadores de diagnóstico de endometriosis
La endometriosis es una enfermedad caracterizada por el crecimiento de tejido endometrial fuera del útero. Se sabe que causa dolor pélvico y se ha relacionado con la infertilidad. El diagnóstico de la endometriosis lleva años, en parte porque el método de referencia para el diagnóstico es la cirugÃa laparoscópica. Investigaciones previas para identificar posibles biomarcadores moleculares enfrentan limitaciones estadÃsticas y computacionales debido al pequeño tamaño de la muestra y la alta dimensionalidad. Además, no existe una estandarización con respecto a los factores que pueden alterar la expresión génica del tejido endometrial, como el ciclo menstrual. Por lo tanto, proponemos el desarrollo de un marco de consenso para extraer los mejores subconjuntos de caracterÃsticas para discriminar entre pacientes con endometriosis y pacientes sin endometriosis utilizando la expresión génica mientras se considera el ciclo menstrual. Nuestro objetivo es identificar subconjuntos de caracterÃsticas utilizando (1) algoritmos de búsqueda basados en optimización junto con métodos de clasificación y (2) consultas de procesos funcionales de bases de datos con anotaciones genéticas en múltiples experimentos disponibles públicamente del Gene Expression Omnibus.
Professor:
Dr. Pedro Resto
Undergraduate Students:
Veronica D. Borrás Serrano
Fernando A. Soto Torruella
Poster Location: 23
08
Algoritmo de selección de caracterÃsticas de conjunto hÃbrido basado en consenso para el descubrimiento de biomarcadores de diagnóstico de endometriosis
La endometriosis es una enfermedad caracterizada por el crecimiento de tejido endometrial fuera del útero. Se sabe que causa dolor pélvico y se ha relacionado con la infertilidad. El diagnóstico de la endometriosis lleva años, en parte porque el método de referencia para el diagnóstico es la cirugÃa laparoscópica. Investigaciones previas para identificar posibles biomarcadores moleculares enfrentan limitaciones estadÃsticas y computacionales debido al pequeño tamaño de la muestra y la alta dimensionalidad. Además, no existe una estandarización con respecto a los factores que pueden alterar la expresión génica del tejido endometrial, como el ciclo menstrual. Por lo tanto, proponemos el desarrollo de un marco de consenso para extraer los mejores subconjuntos de caracterÃsticas para discriminar entre pacientes con endometriosis y pacientes sin endometriosis utilizando la expresión génica mientras se considera el ciclo menstrual. Nuestro objetivo es identificar subconjuntos de caracterÃsticas utilizando (1) algoritmos de búsqueda basados en optimización junto con métodos de clasificación y (2) consultas de procesos funcionales de bases de datos con anotaciones genéticas en múltiples experimentos disponibles públicamente del Gene Expression Omnibus.
Professor:
Dr. Lourdes Medina
Undergraduate Students:
Ana B. Delgado Robles
Adriana M. Berríos Matos
Poster Location: 9
08
Algoritmo de selección de caracterÃsticas de conjunto hÃbrido basado en consenso para el descubrimiento de biomarcadores de diagnóstico de endometriosis
La endometriosis es una enfermedad caracterizada por el crecimiento de tejido endometrial fuera del útero. Se sabe que causa dolor pélvico y se ha relacionado con la infertilidad. El diagnóstico de la endometriosis lleva años, en parte porque el método de referencia para el diagnóstico es la cirugÃa laparoscópica. Investigaciones previas para identificar posibles biomarcadores moleculares enfrentan limitaciones estadÃsticas y computacionales debido al pequeño tamaño de la muestra y la alta dimensionalidad. Además, no existe una estandarización con respecto a los factores que pueden alterar la expresión génica del tejido endometrial, como el ciclo menstrual. Por lo tanto, proponemos el desarrollo de un marco de consenso para extraer los mejores subconjuntos de caracterÃsticas para discriminar entre pacientes con endometriosis y pacientes sin endometriosis utilizando la expresión génica mientras se considera el ciclo menstrual. Nuestro objetivo es identificar subconjuntos de caracterÃsticas utilizando (1) algoritmos de búsqueda basados en optimización junto con métodos de clasificación y (2) consultas de procesos funcionales de bases de datos con anotaciones genéticas en múltiples experimentos disponibles públicamente del Gene Expression Omnibus.
Professor:
Dr. Pedro Resto
Undergraduate Students:
Adriana P. Baez Guzmán
Alondra V. Luna Ramírez
Poster Location: 8
08
Algoritmo de selección de caracterÃsticas de conjunto hÃbrido basado en consenso para el descubrimiento de biomarcadores de diagnóstico de endometriosis
La endometriosis es una enfermedad caracterizada por el crecimiento de tejido endometrial fuera del útero. Se sabe que causa dolor pélvico y se ha relacionado con la infertilidad. El diagnóstico de la endometriosis lleva años, en parte porque el método de referencia para el diagnóstico es la cirugÃa laparoscópica. Investigaciones previas para identificar posibles biomarcadores moleculares enfrentan limitaciones estadÃsticas y computacionales debido al pequeño tamaño de la muestra y la alta dimensionalidad. Además, no existe una estandarización con respecto a los factores que pueden alterar la expresión génica del tejido endometrial, como el ciclo menstrual. Por lo tanto, proponemos el desarrollo de un marco de consenso para extraer los mejores subconjuntos de caracterÃsticas para discriminar entre pacientes con endometriosis y pacientes sin endometriosis utilizando la expresión génica mientras se considera el ciclo menstrual. Nuestro objetivo es identificar subconjuntos de caracterÃsticas utilizando (1) algoritmos de búsqueda basados en optimización junto con métodos de clasificación y (2) consultas de procesos funcionales de bases de datos con anotaciones genéticas en múltiples experimentos disponibles públicamente del Gene Expression Omnibus.
Professor:
Dr. Lourdes Medina
Undergraduate Students:
Paola C. Cabrera Morales
Alondra A. Collazo García
Poster Location: 15
08
Algoritmo de selección de caracterÃsticas de conjunto hÃbrido basado en consenso para el descubrimiento de biomarcadores de diagnóstico de endometriosis
La endometriosis es una enfermedad caracterizada por el crecimiento de tejido endometrial fuera del útero. Se sabe que causa dolor pélvico y se ha relacionado con la infertilidad. El diagnóstico de la endometriosis lleva años, en parte porque el método de referencia para el diagnóstico es la cirugÃa laparoscópica. Investigaciones previas para identificar posibles biomarcadores moleculares enfrentan limitaciones estadÃsticas y computacionales debido al pequeño tamaño de la muestra y la alta dimensionalidad. Además, no existe una estandarización con respecto a los factores que pueden alterar la expresión génica del tejido endometrial, como el ciclo menstrual. Por lo tanto, proponemos el desarrollo de un marco de consenso para extraer los mejores subconjuntos de caracterÃsticas para discriminar entre pacientes con endometriosis y pacientes sin endometriosis utilizando la expresión génica mientras se considera el ciclo menstrual. Nuestro objetivo es identificar subconjuntos de caracterÃsticas utilizando (1) algoritmos de búsqueda basados en optimización junto con métodos de clasificación y (2) consultas de procesos funcionales de bases de datos con anotaciones genéticas en múltiples experimentos disponibles públicamente del Gene Expression Omnibus.
Professor:
Dr. Pedro Resto
Undergraduate Students:
Andrea L. García Guadalupe
Natalia M. Rodríguez Nieves
Poster Location: 6
08
Algoritmo de selección de caracterÃsticas de conjunto hÃbrido basado en consenso para el descubrimiento de biomarcadores de diagnóstico de endometriosis
La endometriosis es una enfermedad caracterizada por el crecimiento de tejido endometrial fuera del útero. Se sabe que causa dolor pélvico y se ha relacionado con la infertilidad. El diagnóstico de la endometriosis lleva años, en parte porque el método de referencia para el diagnóstico es la cirugÃa laparoscópica. Investigaciones previas para identificar posibles biomarcadores moleculares enfrentan limitaciones estadÃsticas y computacionales debido al pequeño tamaño de la muestra y la alta dimensionalidad. Además, no existe una estandarización con respecto a los factores que pueden alterar la expresión génica del tejido endometrial, como el ciclo menstrual. Por lo tanto, proponemos el desarrollo de un marco de consenso para extraer los mejores subconjuntos de caracterÃsticas para discriminar entre pacientes con endometriosis y pacientes sin endometriosis utilizando la expresión génica mientras se considera el ciclo menstrual. Nuestro objetivo es identificar subconjuntos de caracterÃsticas utilizando (1) algoritmos de búsqueda basados en optimización junto con métodos de clasificación y (2) consultas de procesos funcionales de bases de datos con anotaciones genéticas en múltiples experimentos disponibles públicamente del Gene Expression Omnibus.
Professor:
Dr. Lourdes Medina
Undergraduate Students:
Esthefanie N. Marrero Figueroa
Karelys Pérez Santiago
Poster Location: 19
08
Algoritmo de selección de caracterÃsticas de conjunto hÃbrido basado en consenso para el descubrimiento de biomarcadores de diagnóstico de endometriosis
La endometriosis es una enfermedad caracterizada por el crecimiento de tejido endometrial fuera del útero. Se sabe que causa dolor pélvico y se ha relacionado con la infertilidad. El diagnóstico de la endometriosis lleva años, en parte porque el método de referencia para el diagnóstico es la cirugÃa laparoscópica. Investigaciones previas para identificar posibles biomarcadores moleculares enfrentan limitaciones estadÃsticas y computacionales debido al pequeño tamaño de la muestra y la alta dimensionalidad. Además, no existe una estandarización con respecto a los factores que pueden alterar la expresión génica del tejido endometrial, como el ciclo menstrual. Por lo tanto, proponemos el desarrollo de un marco de consenso para extraer los mejores subconjuntos de caracterÃsticas para discriminar entre pacientes con endometriosis y pacientes sin endometriosis utilizando la expresión génica mientras se considera el ciclo menstrual. Nuestro objetivo es identificar subconjuntos de caracterÃsticas utilizando (1) algoritmos de búsqueda basados en optimización junto con métodos de clasificación y (2) consultas de procesos funcionales de bases de datos con anotaciones genéticas en múltiples experimentos disponibles públicamente del Gene Expression Omnibus.
Professor:
Dr. Pedro Resto
Undergraduate Students:
Alexis J. Fuentes Huertas
Yillian M. Alicea Cardona
Poster Location: 26
08
Algoritmo de selección de caracterÃsticas de conjunto hÃbrido basado en consenso para el descubrimiento de biomarcadores de diagnóstico de endometriosis
La endometriosis es una enfermedad caracterizada por el crecimiento de tejido endometrial fuera del útero. Se sabe que causa dolor pélvico y se ha relacionado con la infertilidad. El diagnóstico de la endometriosis lleva años, en parte porque el método de referencia para el diagnóstico es la cirugÃa laparoscópica. Investigaciones previas para identificar posibles biomarcadores moleculares enfrentan limitaciones estadÃsticas y computacionales debido al pequeño tamaño de la muestra y la alta dimensionalidad. Además, no existe una estandarización con respecto a los factores que pueden alterar la expresión génica del tejido endometrial, como el ciclo menstrual. Por lo tanto, proponemos el desarrollo de un marco de consenso para extraer los mejores subconjuntos de caracterÃsticas para discriminar entre pacientes con endometriosis y pacientes sin endometriosis utilizando la expresión génica mientras se considera el ciclo menstrual. Nuestro objetivo es identificar subconjuntos de caracterÃsticas utilizando (1) algoritmos de búsqueda basados en optimización junto con métodos de clasificación y (2) consultas de procesos funcionales de bases de datos con anotaciones genéticas en múltiples experimentos disponibles públicamente del Gene Expression Omnibus.
Professor:
Dr. Lourdes Medina
Undergraduate Students:
Migdaliz M. Lisboa Mercado
Dayanyadi N. Trabal Vargas
Poster Location: 28
08
Algoritmo de selección de caracterÃsticas de conjunto hÃbrido basado en consenso para el descubrimiento de biomarcadores de diagnóstico de endometriosis
La endometriosis es una enfermedad caracterizada por el crecimiento de tejido endometrial fuera del útero. Se sabe que causa dolor pélvico y se ha relacionado con la infertilidad. El diagnóstico de la endometriosis lleva años, en parte porque el método de referencia para el diagnóstico es la cirugÃa laparoscópica. Investigaciones previas para identificar posibles biomarcadores moleculares enfrentan limitaciones estadÃsticas y computacionales debido al pequeño tamaño de la muestra y la alta dimensionalidad. Además, no existe una estandarización con respecto a los factores que pueden alterar la expresión génica del tejido endometrial, como el ciclo menstrual. Por lo tanto, proponemos el desarrollo de un marco de consenso para extraer los mejores subconjuntos de caracterÃsticas para discriminar entre pacientes con endometriosis y pacientes sin endometriosis utilizando la expresión génica mientras se considera el ciclo menstrual. Nuestro objetivo es identificar subconjuntos de caracterÃsticas utilizando (1) algoritmos de búsqueda basados en optimización junto con métodos de clasificación y (2) consultas de procesos funcionales de bases de datos con anotaciones genéticas en múltiples experimentos disponibles públicamente del Gene Expression Omnibus.
Professor:
Dr. Pedro Resto
Undergraduate Students:
Brianna S. Duggal Santiago
Pedro A. Bilbao Rosa
Poster Location: 5
08
Algoritmo de selección de caracterÃsticas de conjunto hÃbrido basado en consenso para el descubrimiento de biomarcadores de diagnóstico de endometriosis
La endometriosis es una enfermedad caracterizada por el crecimiento de tejido endometrial fuera del útero. Se sabe que causa dolor pélvico y se ha relacionado con la infertilidad. El diagnóstico de la endometriosis lleva años, en parte porque el método de referencia para el diagnóstico es la cirugÃa laparoscópica. Investigaciones previas para identificar posibles biomarcadores moleculares enfrentan limitaciones estadÃsticas y computacionales debido al pequeño tamaño de la muestra y la alta dimensionalidad. Además, no existe una estandarización con respecto a los factores que pueden alterar la expresión génica del tejido endometrial, como el ciclo menstrual. Por lo tanto, proponemos el desarrollo de un marco de consenso para extraer los mejores subconjuntos de caracterÃsticas para discriminar entre pacientes con endometriosis y pacientes sin endometriosis utilizando la expresión génica mientras se considera el ciclo menstrual. Nuestro objetivo es identificar subconjuntos de caracterÃsticas utilizando (1) algoritmos de búsqueda basados en optimización junto con métodos de clasificación y (2) consultas de procesos funcionales de bases de datos con anotaciones genéticas en múltiples experimentos disponibles públicamente del Gene Expression Omnibus.
Professor:
Dr. Lourdes Medina
Undergraduate Students:
Rashell M. López Díaz
Alvin E. Saunders Altreche
Poster Location: 21
08
Algoritmo de selección de caracterÃsticas de conjunto hÃbrido basado en consenso para el descubrimiento de biomarcadores de diagnóstico de endometriosis
La endometriosis es una enfermedad caracterizada por el crecimiento de tejido endometrial fuera del útero. Se sabe que causa dolor pélvico y se ha relacionado con la infertilidad. El diagnóstico de la endometriosis lleva años, en parte porque el método de referencia para el diagnóstico es la cirugÃa laparoscópica. Investigaciones previas para identificar posibles biomarcadores moleculares enfrentan limitaciones estadÃsticas y computacionales debido al pequeño tamaño de la muestra y la alta dimensionalidad. Además, no existe una estandarización con respecto a los factores que pueden alterar la expresión génica del tejido endometrial, como el ciclo menstrual. Por lo tanto, proponemos el desarrollo de un marco de consenso para extraer los mejores subconjuntos de caracterÃsticas para discriminar entre pacientes con endometriosis y pacientes sin endometriosis utilizando la expresión génica mientras se considera el ciclo menstrual. Nuestro objetivo es identificar subconjuntos de caracterÃsticas utilizando (1) algoritmos de búsqueda basados en optimización junto con métodos de clasificación y (2) consultas de procesos funcionales de bases de datos con anotaciones genéticas en múltiples experimentos disponibles públicamente del Gene Expression Omnibus.
Professor:
Dr. Pedro Resto
Undergraduate Students:
Yarelis A. Hernández Hernández
Angel L. Ruiz Fernández
Poster Location: 22
08
Algoritmo de selección de caracterÃsticas de conjunto hÃbrido basado en consenso para el descubrimiento de biomarcadores de diagnóstico de endometriosis
La endometriosis es una enfermedad caracterizada por el crecimiento de tejido endometrial fuera del útero. Se sabe que causa dolor pélvico y se ha relacionado con la infertilidad. El diagnóstico de la endometriosis lleva años, en parte porque el método de referencia para el diagnóstico es la cirugÃa laparoscópica. Investigaciones previas para identificar posibles biomarcadores moleculares enfrentan limitaciones estadÃsticas y computacionales debido al pequeño tamaño de la muestra y la alta dimensionalidad. Además, no existe una estandarización con respecto a los factores que pueden alterar la expresión génica del tejido endometrial, como el ciclo menstrual. Por lo tanto, proponemos el desarrollo de un marco de consenso para extraer los mejores subconjuntos de caracterÃsticas para discriminar entre pacientes con endometriosis y pacientes sin endometriosis utilizando la expresión génica mientras se considera el ciclo menstrual. Nuestro objetivo es identificar subconjuntos de caracterÃsticas utilizando (1) algoritmos de búsqueda basados en optimización junto con métodos de clasificación y (2) consultas de procesos funcionales de bases de datos con anotaciones genéticas en múltiples experimentos disponibles públicamente del Gene Expression Omnibus.
Professor:
Dr. Lourdes Medina
Undergraduate Student:
Kimberlie C. López Pabón
Poster Location: 4
08
Algoritmo de selección de caracterÃsticas de conjunto hÃbrido basado en consenso para el descubrimiento de biomarcadores de diagnóstico de endometriosis
La endometriosis es una enfermedad caracterizada por el crecimiento de tejido endometrial fuera del útero. Se sabe que causa dolor pélvico y se ha relacionado con la infertilidad. El diagnóstico de la endometriosis lleva años, en parte porque el método de referencia para el diagnóstico es la cirugÃa laparoscópica. Investigaciones previas para identificar posibles biomarcadores moleculares enfrentan limitaciones estadÃsticas y computacionales debido al pequeño tamaño de la muestra y la alta dimensionalidad. Además, no existe una estandarización con respecto a los factores que pueden alterar la expresión génica del tejido endometrial, como el ciclo menstrual. Por lo tanto, proponemos el desarrollo de un marco de consenso para extraer los mejores subconjuntos de caracterÃsticas para discriminar entre pacientes con endometriosis y pacientes sin endometriosis utilizando la expresión génica mientras se considera el ciclo menstrual. Nuestro objetivo es identificar subconjuntos de caracterÃsticas utilizando (1) algoritmos de búsqueda basados en optimización junto con métodos de clasificación y (2) consultas de procesos funcionales de bases de datos con anotaciones genéticas en múltiples experimentos disponibles públicamente del Gene Expression Omnibus.
Professor:
Dr. Pedro Resto
Undergraduate Students:
Yeiza A. Báez Santiago
Cristina M. Bonilla Cruz
Poster Location: 12
08
Algoritmo de selección de caracterÃsticas de conjunto hÃbrido basado en consenso para el descubrimiento de biomarcadores de diagnóstico de endometriosis
La endometriosis es una enfermedad caracterizada por el crecimiento de tejido endometrial fuera del útero. Se sabe que causa dolor pélvico y se ha relacionado con la infertilidad. El diagnóstico de la endometriosis lleva años, en parte porque el método de referencia para el diagnóstico es la cirugÃa laparoscópica. Investigaciones previas para identificar posibles biomarcadores moleculares enfrentan limitaciones estadÃsticas y computacionales debido al pequeño tamaño de la muestra y la alta dimensionalidad. Además, no existe una estandarización con respecto a los factores que pueden alterar la expresión génica del tejido endometrial, como el ciclo menstrual. Por lo tanto, proponemos el desarrollo de un marco de consenso para extraer los mejores subconjuntos de caracterÃsticas para discriminar entre pacientes con endometriosis y pacientes sin endometriosis utilizando la expresión génica mientras se considera el ciclo menstrual. Nuestro objetivo es identificar subconjuntos de caracterÃsticas utilizando (1) algoritmos de búsqueda basados en optimización junto con métodos de clasificación y (2) consultas de procesos funcionales de bases de datos con anotaciones genéticas en múltiples experimentos disponibles públicamente del Gene Expression Omnibus.
Professor:
Dr. Lourdes Medina
Undergraduate Students:
Dariel G. Pérez Durán
Erwin F. Alequín Pérez
Poster Location: 10
08
Algoritmo de selección de caracterÃsticas de conjunto hÃbrido basado en consenso para el descubrimiento de biomarcadores de diagnóstico de endometriosis
La endometriosis es una enfermedad caracterizada por el crecimiento de tejido endometrial fuera del útero. Se sabe que causa dolor pélvico y se ha relacionado con la infertilidad. El diagnóstico de la endometriosis lleva años, en parte porque el método de referencia para el diagnóstico es la cirugÃa laparoscópica. Investigaciones previas para identificar posibles biomarcadores moleculares enfrentan limitaciones estadÃsticas y computacionales debido al pequeño tamaño de la muestra y la alta dimensionalidad. Además, no existe una estandarización con respecto a los factores que pueden alterar la expresión génica del tejido endometrial, como el ciclo menstrual. Por lo tanto, proponemos el desarrollo de un marco de consenso para extraer los mejores subconjuntos de caracterÃsticas para discriminar entre pacientes con endometriosis y pacientes sin endometriosis utilizando la expresión génica mientras se considera el ciclo menstrual. Nuestro objetivo es identificar subconjuntos de caracterÃsticas utilizando (1) algoritmos de búsqueda basados en optimización junto con métodos de clasificación y (2) consultas de procesos funcionales de bases de datos con anotaciones genéticas en múltiples experimentos disponibles públicamente del Gene Expression Omnibus.
Professor:
Dr. Pedro Resto
Undergraduate Students:
Edward J. Cruz Vega
Keishlyan Ramos Bauzá
Poster Location: 11
08
Algoritmo de selección de caracterÃsticas de conjunto hÃbrido basado en consenso para el descubrimiento de biomarcadores de diagnóstico de endometriosis
La endometriosis es una enfermedad caracterizada por el crecimiento de tejido endometrial fuera del útero. Se sabe que causa dolor pélvico y se ha relacionado con la infertilidad. El diagnóstico de la endometriosis lleva años, en parte porque el método de referencia para el diagnóstico es la cirugÃa laparoscópica. Investigaciones previas para identificar posibles biomarcadores moleculares enfrentan limitaciones estadÃsticas y computacionales debido al pequeño tamaño de la muestra y la alta dimensionalidad. Además, no existe una estandarización con respecto a los factores que pueden alterar la expresión génica del tejido endometrial, como el ciclo menstrual. Por lo tanto, proponemos el desarrollo de un marco de consenso para extraer los mejores subconjuntos de caracterÃsticas para discriminar entre pacientes con endometriosis y pacientes sin endometriosis utilizando la expresión génica mientras se considera el ciclo menstrual. Nuestro objetivo es identificar subconjuntos de caracterÃsticas utilizando (1) algoritmos de búsqueda basados en optimización junto con métodos de clasificación y (2) consultas de procesos funcionales de bases de datos con anotaciones genéticas en múltiples experimentos disponibles públicamente del Gene Expression Omnibus.
Professor:
Dr. Lourdes Medina
Undergraduate Students:
Yamieleny M. Meléndez Ramos
Fabiola A. Acevedo Andino
Poster Location: 16
08
Algoritmo de selección de caracterÃsticas de conjunto hÃbrido basado en consenso para el descubrimiento de biomarcadores de diagnóstico de endometriosis
La endometriosis es una enfermedad caracterizada por el crecimiento de tejido endometrial fuera del útero. Se sabe que causa dolor pélvico y se ha relacionado con la infertilidad. El diagnóstico de la endometriosis lleva años, en parte porque el método de referencia para el diagnóstico es la cirugÃa laparoscópica. Investigaciones previas para identificar posibles biomarcadores moleculares enfrentan limitaciones estadÃsticas y computacionales debido al pequeño tamaño de la muestra y la alta dimensionalidad. Además, no existe una estandarización con respecto a los factores que pueden alterar la expresión génica del tejido endometrial, como el ciclo menstrual. Por lo tanto, proponemos el desarrollo de un marco de consenso para extraer los mejores subconjuntos de caracterÃsticas para discriminar entre pacientes con endometriosis y pacientes sin endometriosis utilizando la expresión génica mientras se considera el ciclo menstrual. Nuestro objetivo es identificar subconjuntos de caracterÃsticas utilizando (1) algoritmos de búsqueda basados en optimización junto con métodos de clasificación y (2) consultas de procesos funcionales de bases de datos con anotaciones genéticas en múltiples experimentos disponibles públicamente del Gene Expression Omnibus.
Professor:
Dr. Pedro Resto
Undergraduate Students:
Carolina A. Vargas Rivera
Emmanuel I. Nazario Acevedo
Poster Location: 17
08
Algoritmo de selección de caracterÃsticas de conjunto hÃbrido basado en consenso para el descubrimiento de biomarcadores de diagnóstico de endometriosis
La endometriosis es una enfermedad caracterizada por el crecimiento de tejido endometrial fuera del útero. Se sabe que causa dolor pélvico y se ha relacionado con la infertilidad. El diagnóstico de la endometriosis lleva años, en parte porque el método de referencia para el diagnóstico es la cirugÃa laparoscópica. Investigaciones previas para identificar posibles biomarcadores moleculares enfrentan limitaciones estadÃsticas y computacionales debido al pequeño tamaño de la muestra y la alta dimensionalidad. Además, no existe una estandarización con respecto a los factores que pueden alterar la expresión génica del tejido endometrial, como el ciclo menstrual. Por lo tanto, proponemos el desarrollo de un marco de consenso para extraer los mejores subconjuntos de caracterÃsticas para discriminar entre pacientes con endometriosis y pacientes sin endometriosis utilizando la expresión génica mientras se considera el ciclo menstrual. Nuestro objetivo es identificar subconjuntos de caracterÃsticas utilizando (1) algoritmos de búsqueda basados en optimización junto con métodos de clasificación y (2) consultas de procesos funcionales de bases de datos con anotaciones genéticas en múltiples experimentos disponibles públicamente del Gene Expression Omnibus.
Professor:
Dr. Lourdes Medina
Undergraduate Students:
Kiara N. Rivera Sánchez
Shantal Cruz Colón
Poster Location: 1
08
Algoritmo de selección de caracterÃsticas de conjunto hÃbrido basado en consenso para el descubrimiento de biomarcadores de diagnóstico de endometriosis
La endometriosis es una enfermedad caracterizada por el crecimiento de tejido endometrial fuera del útero. Se sabe que causa dolor pélvico y se ha relacionado con la infertilidad. El diagnóstico de la endometriosis lleva años, en parte porque el método de referencia para el diagnóstico es la cirugÃa laparoscópica. Investigaciones previas para identificar posibles biomarcadores moleculares enfrentan limitaciones estadÃsticas y computacionales debido al pequeño tamaño de la muestra y la alta dimensionalidad. Además, no existe una estandarización con respecto a los factores que pueden alterar la expresión génica del tejido endometrial, como el ciclo menstrual. Por lo tanto, proponemos el desarrollo de un marco de consenso para extraer los mejores subconjuntos de caracterÃsticas para discriminar entre pacientes con endometriosis y pacientes sin endometriosis utilizando la expresión génica mientras se considera el ciclo menstrual. Nuestro objetivo es identificar subconjuntos de caracterÃsticas utilizando (1) algoritmos de búsqueda basados en optimización junto con métodos de clasificación y (2) consultas de procesos funcionales de bases de datos con anotaciones genéticas en múltiples experimentos disponibles públicamente del Gene Expression Omnibus.
Professor:
Dr. Pedro Resto
Undergraduate Students:
Alejandra V. Reyes González
Natalia I. Torres Rivera
Poster Location: 25
08
Algoritmo de selección de caracterÃsticas de conjunto hÃbrido basado en consenso para el descubrimiento de biomarcadores de diagnóstico de endometriosis
La endometriosis es una enfermedad caracterizada por el crecimiento de tejido endometrial fuera del útero. Se sabe que causa dolor pélvico y se ha relacionado con la infertilidad. El diagnóstico de la endometriosis lleva años, en parte porque el método de referencia para el diagnóstico es la cirugÃa laparoscópica. Investigaciones previas para identificar posibles biomarcadores moleculares enfrentan limitaciones estadÃsticas y computacionales debido al pequeño tamaño de la muestra y la alta dimensionalidad. Además, no existe una estandarización con respecto a los factores que pueden alterar la expresión génica del tejido endometrial, como el ciclo menstrual. Por lo tanto, proponemos el desarrollo de un marco de consenso para extraer los mejores subconjuntos de caracterÃsticas para discriminar entre pacientes con endometriosis y pacientes sin endometriosis utilizando la expresión génica mientras se considera el ciclo menstrual. Nuestro objetivo es identificar subconjuntos de caracterÃsticas utilizando (1) algoritmos de búsqueda basados en optimización junto con métodos de clasificación y (2) consultas de procesos funcionales de bases de datos con anotaciones genéticas en múltiples experimentos disponibles públicamente del Gene Expression Omnibus.
Professor:
Dr. Lourdes Medina
Undergraduate Students:
Andrea P. Sepúlveda Vargas
Jadiel A. Martínez Rodríguez
Poster Location: 29
08
Algoritmo de selección de caracterÃsticas de conjunto hÃbrido basado en consenso para el descubrimiento de biomarcadores de diagnóstico de endometriosis
La endometriosis es una enfermedad caracterizada por el crecimiento de tejido endometrial fuera del útero. Se sabe que causa dolor pélvico y se ha relacionado con la infertilidad. El diagnóstico de la endometriosis lleva años, en parte porque el método de referencia para el diagnóstico es la cirugÃa laparoscópica. Investigaciones previas para identificar posibles biomarcadores moleculares enfrentan limitaciones estadÃsticas y computacionales debido al pequeño tamaño de la muestra y la alta dimensionalidad. Además, no existe una estandarización con respecto a los factores que pueden alterar la expresión génica del tejido endometrial, como el ciclo menstrual. Por lo tanto, proponemos el desarrollo de un marco de consenso para extraer los mejores subconjuntos de caracterÃsticas para discriminar entre pacientes con endometriosis y pacientes sin endometriosis utilizando la expresión génica mientras se considera el ciclo menstrual. Nuestro objetivo es identificar subconjuntos de caracterÃsticas utilizando (1) algoritmos de búsqueda basados en optimización junto con métodos de clasificación y (2) consultas de procesos funcionales de bases de datos con anotaciones genéticas en múltiples experimentos disponibles públicamente del Gene Expression Omnibus.
Professor:
Dr. Lourdes Medina
Undergraduate Student:
Guillermo J. González Alsina
Gerardo Ortiz Goitía
Poster Location: 30