Empreu aquest identificador per citar o enllaçar aquest ítem:
http://hdl.handle.net/10609/133102
Títol: | Desarrollo de un sistema de Machine Learning para obtener modelos de unión a factores de transcripción en datos ChIP-seq |
Autoria: | Álvarez González, Sara |
Tutor: | Erill, Ivan |
Altres: | Maceira, Marc |
Resum: | Aquest treball té com a objectiu obtenir un model predictiu capaç d'identificar les regions en què un Factor de Transcripció (FT) s'acoblarà a l'ADN. Les dades emprats són extretes a partir dels resultats de la tècnica de ChIP-seq. Aquesta tècnica és capaç de reconèixer les seqüències en què aquests FTS s'han acoblat. Identificar la seqüència exacta a la qual els FTS s'han unit és una tasca difícil en certes condicions moleculars. Tècniques computacionals basades en Machine Learning (ML), una branca dins de la Intel·ligència Artificial que centra els seus esforços en el desenvolupament de models predictius és considerada una eina analítica útil per a aquest tipus de problemes. Aquestes tècniques són capaços d'extreure els patrons no lineals de les dades a partir d'un gran conjunt d'exemples. A més, treballs previs han desenvolupat descriptors matemàtics capaços de convertir la seqüència primària d'ADN en matrius de dades numèriques, facilitant en gran mesura l'ús d'algoritmes de ML. En aquest projecte es presenta un conjunt de models que han estat entrenats per a la predicció de les regions d'unió de l'FT Gcra en l'espècie bacteriana Brevundimonas subvibrioides. Els resultats aquí presentats mostren un alt rendiment en la predicció d'aquestes regions gràcies a l'ús de descriptors tant estructurals com de composició de l'ADN. |
Paraules clau: | unió a proteïnes aprenentatge automàtic factor de transcripció |
Tipus de document: | info:eu-repo/semantics/masterThesis |
Data de publicació: | jun-2021 |
Llicència de publicació: | http://creativecommons.org/licenses/by-nc-nd/3.0/es/ |
Apareix a les col·leccions: | Trabajos finales de carrera, trabajos de investigación, etc. |
Arxius per aquest ítem:
Arxiu | Descripció | Mida | Format | |
---|---|---|---|---|
salvarezgonzTFM0621memoria.pdf | Memoria del TFM | 1,8 MB | Adobe PDF | Veure/Obrir |
Comparteix:
Aquest ítem està subjecte a una llicència de Creative Commons Llicència Creative Commons