Agrupación temporal de genes en hongos mediante técnicas de aprendizaje automático

Abstract

[ES] Este Trabajo de Fin de Grado se ha centrado en el desarrollo y validación de una metodología avanzada para la clasificación y agrupación de genes de hongos, basándose en la complejidad de sus niveles de expresión genética. Dada la alta cardinalidad y dimensionalidad de los datos genéticos, se han enfrentado desafíos significativos que requieren soluciones innovadoras en el campo de la bioinformática, en especial para la identificación eficiente de genes clave dentro de grandes conjuntos de datos.

Para abordar estos retos, el proyecto ha implementado una estrategia integral de preprocesamiento de datos, que incorpora técnicas avanzadas de filtrado y limpieza. Este preprocesamiento es fundamental para preparar los datos para análisis más detallados mediante técnicas de aprendizaje automático, aplicando tanto métodos supervisados como no supervisados. Se ha puesto un énfasis particular en el desarrollo y uso de algoritmos de clustering y biclustering personalizados, que han sido especialmente diseñados para descubrir agrupaciones significativas de genes que reflejan sus patrones de expresión bajo diversas condiciones experimentales.

El enfoque adoptado ha permitido no solo mejorar la comprensión de la expresión génica en hongos mediante el uso de herramientas computacionales de vanguardia, sino también establecer una base sólida para futuras investigaciones en bioinformática genómica. Este proyecto demuestra la eficacia de los algoritmos especializados en el manejo y análisis de datos de alta complejidad, ofreciendo nuevos insights y potenciales aplicaciones en el estudio de sistemas biológicos complejos.

[EN] This Bachelor's thesis focuses on developing and validating an advanced methodology for classifying and grouping fungal genes based on the complexity of their expression levels. Given the high cardinality and dimensionality of genetic data, significant challenges have been faced that require innovative solutions in the field of bioinformatics, especially for the efficient identification of key genes within large datasets.

To address these challenges, the project has implemented a comprehensive data preprocessing strategy, incorporating advanced filtering and cleaning techniques. This preprocessing is crucial for preparing the data for more detailed analyses using machine learning techniques, applying both supervised and unsupervised methods. Particular emphasis has been placed on the development and use of customized clustering and biclustering algorithms, specifically designed to uncover significant gene groupings that reflect their expression patterns under various experimental conditions.

The approach taken has not only enhanced the understanding of gene expression in fungi using cutting-edge computational tools but also established a solid foundation for future research in genomic bioinformatics. This project demonstrates the efficacy of specialized algorithms in managing and analyzing high-complexity data, offering new insights and potential applications in the study of complex biological systems.