Identificación de propiedades biológicas en organismos utilizando técnicas de Machine Learning sobre secuencias de genoma completo

Título:

Identificación de propiedades biológicas en organismos utilizando técnicas de Machine Learning sobre secuencias de genoma completo

Autor:

Ferella, Nicolás

Otros autores / Colaboradores:

 Pizio, Pablo Román;  Pons, Claudia Fabiana; [ Director/a]  Campos, Josefina; [ Asesor/a profesional] 

Temas:

INTELIGENCIA ARTIFICIAL; 

URL:

http://sedici.unlp.edu.ar/handle/10915/146788,

Palabras clave:

genoma, 

Nota de tesis:

Tesina (Licenciatura en Informática) - Universidad Nacional de La Plata. Facultad de Informática, 2022.

Extensión:

1 archivo (7,7 MB) : il. col.

Resumen:

El avance de la tecnología y los procesos de secuenciación de genomas de las ultimas décadas ha logrado poner al alcance de investigadores de todo el mundo grandes volúmenes de datos biológicos, que debido a su gran escala, los mismos resultan difíciles de analizar en su totalidad, por lo cual es intuitivo pensar en Inteligencia Artificial para trabajar con dicha información. Con el objetivo de disminuir la brecha existente entre el investigador y las herramientas de Inteligencia Artificial se desarrolla un software que permite crear un espacio de trabajo para un organismo biológico, realizar el procesamiento de los genomas correspondientes y permitir la creación y entrenamiento de modelos de Machine Learning desde una interfaz gráfica. Los modelos entrenados luego se analizan para buscar que patrones determinan el resultado de la propiedad biologica a investigar sobre el organismo biológico en cuestión, y así encontrar los genes de mayor impacto en las predicciones del modelo, permitiendo al investigador el posterior análisis en laboratorio de un gen deseado.

Puede solicitar más fácilmente el ejemplar con: TES 22/06

1. Introducción

2. Biología 
2.1. Organismos: definición biológica 
2.1.1. Bacteria
2.2. ADN, ARN, genoma y gen 
2.3. Cromosomas 
2.4. Genética 
2.5. Representación Computacional del ADN

3. Redes Neuronales Artificiales 
3.1. Definición 
3.2. Componentes 
3.2.1. Capas 
3.2.2. Neuronas y conexiones 
3.3. Aprendizaje 
3.3.1. Tipos de aprendizaje 
3.3.2. Proceso de aprendizaje 
3.3.3. Conjunto de datos 
3.4. Técnicas de Machine Learning 
3.4.1. Feature engineering 
3.5. Conclusiones

4. Estado del arte 
5. Caso de uso 
5.1. Descarga y preparación de datos 
5.1.1. Parseo de datos y creación de DB
5.1.2. Red neuronal: Creación y entrenamiento 

6. Desarrollo de la herramienta 
6.1. Introducción
6.2. Requerimientos 
6.3. Arquitectura y tecnologías elegidas 
6.3.1. Arquitectura 
6.3.2. Tecnologías 
6.4. Desarrollo 
6.4.1. Proyectos 
6.4.2. Estudios 

7. Flujo de la herramienta 
7.1. Flujo y uso
7.1.1. Proyectos 
7.1.2. Detalle de proyecto y listado de estudios 
7.1.3. Detalle de estudio 

8. Conclusiones y trabajo futuro