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

Ficha técnica

Título:Identificación de propiedades biológicas en organismos utilizando técnicas de Machine Learning sobre secuencias de genoma completo
Alumno:Pablo Pizio / Nicolás Ferella
Inicio:1 Febrero 2021
Fecha de defensa:28 Noviembre 2022
Dirección:Claudia Pons
Co-Dirección:Dra. Josefina Campos
Informe final:http://sedici.unlp.edu.ar/handle/10915/146788
Participantes (del LIFIA)Gabriela Perez, Claudia Pons

Resumen

El avance de la tecnología y los procesos de secuenciación de genomas de las últimas 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 desarrolló 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 qué patrones determinan el resultado de la propiedad biológica 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.

Publicaciones

Proyectos

Técnicas y herramientas para ingeniería de software web adaptable y ágil basada en modelos con soporte semántico y de crowdsourcing. Financiado por Universidad Nacional de la Plata (Acreditado en el Programa de Inventivos). Dirigido por Antonelli, Ruben Leandro. CoDirigido por Urbieta, Mario Matias. Duración: 1/1/2020-31/12/2022

Desarrollo de herramientas inteligentes para la gestión y toma de decisiones en el ámbito de la ciencia abierta y ciudadana. Financiado por CICPBA. Dirigido por Claudia Pons. Duración: 1/7/2019-31/7/2021

Técnicas de Inteligencia Artificial Neuro-simbólica. Financiado por Comisión de Investigaciones Científicas y Facultad de Informática y Universidad Abierta Interamericana. Dirigido por Claudia Pons. CoDirigido por Roxana Giandini. Duración: 1/1/2019-31/12/2023