Construiré un clasificador de ML para predicción de subtipos de cáncer a partir de datos de expresión génica

¿Tienes datos de expresión génica etiquetados y necesitas

un clasificador de machine learning para predecir subtipos de cáncer o resultados en pacientes?

Construiré una pipeline completa de clasificación ML

adaptada a tu conjunto de datos genómicos.

LO QUE OBTIENES:

- Preprocesamiento y normalización de datos

- Selección de características para identificar los genes más informativos

- Comparación de múltiples algoritmos (Random Forest, SVM,

 Gradient Boosting, KNN)

- Evaluación de precisión mediante validación cruzada

- Matriz de confusión e informe de clasificación

- Visualización de la importancia de las características

- Modelo guardado listo para producción

MI EXPERIENCIA:

Construí un clasificador de subtipos de cáncer de mama usando datos de expresión génica logrando un 85.2% de precisión en validación cruzada con SVM. Clasifiqué 4 subtipos:

LuminalA, LuminalB, HER2, TripleNegativo.

Pipeline completo en GitHub.

LO QUE NECESITO DE TI:

- Matriz de expresión génica (muestras x genes)

- Etiquetas de subtipos o resultados para cada muestra

- Número de clases a predecir

- Genes o vías importantes conocidas

HERRAMIENTAS: Python, scikit-learn, Pandas, numpy,

    matplotlib, seaborn, joblib, Linux, Git