Los conjuntos de datos biomédicos destilan muchos mecanismos de enfermedades humanas, vinculando enfermedades a genes y fenotipos (signos y síntomas de la enfermedad), mutaciones genéticas a estructuras proteicas alteradas, y proteínas alteradas a cambios en funciones moleculares y procesos biológicos. Es deseable obtener nuevos conocimientos a partir de estos datos, especialmente en lo que respecta al descubrimiento de estructuras jerárquicas relacionadas con variantes de enfermedades. Sin embargo, el análisis con este fin ha demostrado ser difícil debido a la complejidad de las conexiones entre datos simbólicos multicategóricos. Este artículo propone la teoría de resonancia adaptativa de árboles simbólicos (START), con formulaciones adicionales de vigilancia dual supervisada (DV-START) y vigilancia dual distribuida (DDV-START), para el agrupamiento de datos simbólicos multicategóricos de conjuntos de datos biomédicos, demostrando su utilidad en el agrupamiento de variantes de la enfermedad de Charcot-Marie-Tooth utilizando datos genómicos, fenotípicos y proteómicos.