Please use this identifier to cite or link to this item: http://repository.eia.edu.co/handle/11190/2286
Title: Exploración y comparación de métodos de inteligencia artificial para la clasificación taxonómica en análisis metagenómicos
Authors: Montoya Ramírez, Widerman Stid
Adviser: Bonet Cruz, Isis
Keywords : Metagenómica
Taxonomía
Clusterización
K-mer
Inteligencia artificial
Metagenomic
Clustering
Artificial intelligence
Taxonomy
Issue Date: 2014
Publisher: Universidad EIA
Abstract: La mayor diversidad genética está presente en las comunidades de microorganismos, el conocer estas especies, sus funciones y diferencias constituye un papel importante para solucionar problemas diversas áreas, como la salud, la alimentación y el medio ambiente. El método tradicional para realizar este tipo de investigaciones consiste en aislar el microorganismo de una muestra del entorno y así estudiar su constitución genética, sin embargo menos del 1% de los microorganismos pueden ser aislados y cultivados en los laboratorios. Gracias a las técnicas de secuenciación modernas cada vez más accesibles surge la metagenómica proponiendo una alternativa para poder estudiar el otro 99%. La metagenómica se encarga de estudiar la secuenciación de una muestra del entorno para descubrir a qué organismos pertenecen los fragmentos secuenciados. Sin embargo el problema radica en que los procesos necesarios para identificar el tipo de organismos en la muestra demandan mucho tiempo y recursos computacionales. En este trabajo se utilizan diferentes algoritmos de inteligencia artificial para agrupar los fragmentos de secuencias según su similitud en conjuntos puros, es decir, conjuntos cuyos fragmentos pertenezcan a un solo organismo o a un mismo grupo taxonómico de organismos. Además se propone un nuevo algoritmo que se basa en la aplicación del k-means de manera iterativa perfeccionando los grupos según la distancia entre ello. Se compararon los resultados con métodos de agrupamientos clásicos y se comprobó que con este último método se obtienen grupos más puros. Este resultado ayuda a que los procesos de ensamblado o de comparación serán más eficientes y rápidos, debido a que se tiene como entrada inicial una muestra más condensada y uniforme, disminuyendo el tiempo y los recursos consumidos durante los proyectos metagenómicos, al mismo tiempo que pueden realizarse de una forma más enfocada.
Abstract (English): The biggest genetic diversity is present in the microorganisms communities, to know these communities their functions and differences plays an important role at the moment to solve problems in many areas as the health, environment and more. The classic method to realize these research kinds consist in incubate the microorganism’s cells in the laboratory and then study their genetic information, but is proven that only less of the 1% of the microorganisms cells can be culturable in laboratory media. Thanks to the new sequencing techniques emerge the metagenomic proposing a new alternative to study the other 99%. The metagenomic is in charge of study the study sequence the environment sample and study their genetic constitution and find the microorganisms fragments that compose the sample. However the problem is that the process required to identified the organisms in the sample demands much time and computational resources During this exploration are use different Artificial intelligence algorithms to group the sequence fragments into bins depending of their similarity, in other words, sets where their fragments are belong to the same organism or the same taxonomical group. It also propose a new algorithm based on the K-means application in an iterative manner, improving the bins quality depending of their distance. The results where compared from different classic binning methods and was probe that with the last method the cleanest bins were found. This result helps to the assemble or comparison process to be faster and more efficient, due to it has as input a more uniform and condensed sample, reducing the time and the consumed resources during the metagenomic process are more focused.
Description: 55 páginas
URI: http://repository.eia.edu.co/handle/11190/2286
Citation: Montoya Ramírez, W.S. (2014). Exploración y comparación de métodos de inteligencia artificial para la clasificación taxonómica en análisis metagenómicos (Trabajo de grado). Recuperado de: http://repository.eia.edu.co/handle/11190/2286
Location: INFO0057
Appears in Collections:Ingeniería de Sistemas y Computación

Files in This Item:
File Description SizeFormat 
MontoyaWiderman_2014_MetodosInteligenciaArtificial.pdfTrabajo de grado1.87 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.