RT info:eu-repo/semantics/bachelorThesis
T1 Evaluación de métodos de machine learning en la detección de genes circadianos
A1 Hernando Novo, Aníbal
A2 Universidad de Valladolid. Facultad de Ciencias
K1 Ritmos circadianos
K1 Machine learning
K1 Estimación del orden temporal
AB Los ritmos circadianos en los seres vivos están controlados por un sistema interno de sincronización que regula la expresión génica en ciclos de aproximadamente 24 horas. Estosritmos son fundamentales para numerosos procesos fisiológicos, lo que otorga a su estudiouna gran relevancia en el ámbito biomédico actual. No obstante, el análisis de genes circadianos en humanos presenta importantes desafíos. Uno de los principales desafíos radicaen la imposibilidad de obtener muestras biológicas repetidas en distintos momentos deldía, dado que este procedimiento sería muy invasivo y difícilmente justificable éticamente. Por ello, muchos estudios recurren al uso de tejidos accesibles o datos postmortem, enlos que las muestras proceden de distintos individuos con características diferentes y elmomento exacto de extracción suele ser desconocido o incierto.Ante estas limitaciones, es necesario recurrir a métodos que permitan estimar el ordentemporal relativo de las muestras como paso previo a la caracterización de los patronesrítmicos en la expresión génica. En este contexto, este trabajo compara dos de las metodologías más utilizadas para esta tarea, CIRCUST y CYCLOPS, aplicadas a un conjuntode datos de expresión génica en tejido muscular humano. A partir del orden temporalestimado, se procede a caracterizar el ritmo de expresión de cada gen mediante el ajustede un modelo Cosinor, estimando parámetros como la amplitud, mesor y acrofase. Estacaracterización permite clasificar los genes en rítmicos o no rítmicos. Posteriormente, seevaluará la utilidad del orden estimado mediante la aplicación de diferentes algoritmossupervisados de machine learning (ML), con el objetivo de predecir la ritmicidad génicay comparar los resultados obtenidos en función del enfoque utilizado.
YR 2025
FD 2025
LK https://uvadoc.uva.es/handle/10324/77873
UL https://uvadoc.uva.es/handle/10324/77873
LA spa
NO Departamento de Estadística e Investigación Operativa
DS UVaDOC
RD 20-sep-2025