Predictor de mutaciones patológicas para una familia de proteínas
El desarrollo de las técnicas biológicas actuales, como: secuenciación y alineamiento, ha provocado que tengamos a nuestra disposición una cantidad ingente de datos. Esto ha puesto de relieve la necesidad de organizarlos y realizar un estudio exhaustivo y automático que nos permita entender mejor lo...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2019 |
| País: | España |
| Institución: | Universitat Oberta de Catalunya (UOC) |
| Repositorio: | O2, repositorio institucional de la UOC |
| OAI Identifier: | oai:openaccess.uoc.edu:10609/97847 |
| Acceso en línea: | http://hdl.handle.net/10609/97847 |
| Access Level: | acceso abierto |
| Palabra clave: | machine learning Python proteins mutation aprendizaje automático proteínas mutación aprenentatge automàtic proteïnes mutació Bioinformatics -- TFM Bioinformàtica -- TFM Bioinformática -- TFM |
| Sumario: | El desarrollo de las técnicas biológicas actuales, como: secuenciación y alineamiento, ha provocado que tengamos a nuestra disposición una cantidad ingente de datos. Esto ha puesto de relieve la necesidad de organizarlos y realizar un estudio exhaustivo y automático que nos permita entender mejor los datos obtenidos y, con ello, descubrir las relaciones hasta ahora ocultas entre ellos. La aparición de las técnicas de machine learning abre la posibilidad de abordar este camino para, por ejemplo, detectar mutaciones patológicas y proporcionar información biomédica que posibilite el desarrollo de terapias. El objetivo del TFM es desarrollar una aplicación que explore las bondades y limitaciones de este tipo de algoritmos, exponiendo gráfica y documentalmente los resultados alcanzados mediante una ejecución completa del ciclo del dato, desde su importación y tratamiento hasta el resultado final dejando constancia del rendimiento del proceso. |
|---|