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

Autores
Ferella, Nicolás; Pizio, Pablo Román
Año de publicación
2022
Idioma
español castellano
Tipo de recurso
tesis de grado
Estado
versión aceptada
Colaborador/a o director/a de tesis
Pons, Claudia Fabiana
Descripción
El avance de la tecnología y los procesos de secuenciación de genomas de las últimas décadas ha puesto al alcance de investigadores grandes volúmenes de datos biológicos, los cuales resultan difíciles de analizar debido a su escala. Se realizó un software que facilita el análisis de propiedades biológicas sobre cientos o miles de secuencias de genomas completos de un organismo mediante técnicas de Machine Learning, permitiendo al investigador realizar predicciones y encontrar los genes de mayor impacto que, en caso de no estar clasificados hasta la fecha, resultan de interés para su posterior análisis en laboratorio.
Asesora profesional: Josefina Campos
Licenciado en Informática
Universidad Nacional de La Plata
Facultad de Informática
Materia
Informática
ADN
Docker
Genética
Genoma
Inteligencia artificial
Machine Learning
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/146788

id SEDICI_8b3420878db899bbb008b3552fd4a48d
oai_identifier_str oai:sedici.unlp.edu.ar:10915/146788
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Identificación de propiedades biológicas en organismos utilizando técnicas de Machine Learning sobre secuencias de genoma completoFerella, NicolásPizio, Pablo RománInformáticaADNDockerGenéticaGenomaInteligencia artificialMachine LearningEl avance de la tecnología y los procesos de secuenciación de genomas de las últimas décadas ha puesto al alcance de investigadores grandes volúmenes de datos biológicos, los cuales resultan difíciles de analizar debido a su escala. Se realizó un software que facilita el análisis de propiedades biológicas sobre cientos o miles de secuencias de genomas completos de un organismo mediante técnicas de Machine Learning, permitiendo al investigador realizar predicciones y encontrar los genes de mayor impacto que, en caso de no estar clasificados hasta la fecha, resultan de interés para su posterior análisis en laboratorio.Asesora profesional: Josefina CamposLicenciado en InformáticaUniversidad Nacional de La PlataFacultad de InformáticaPons, Claudia Fabiana2022-11-28info:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionTesis de gradohttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/tesisDeGradoapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/146788spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:37:28Zoai:sedici.unlp.edu.ar:10915/146788Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:37:28.567SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Identificación de propiedades biológicas en organismos utilizando técnicas de Machine Learning sobre secuencias de genoma completo
title Identificación de propiedades biológicas en organismos utilizando técnicas de Machine Learning sobre secuencias de genoma completo
spellingShingle Identificación de propiedades biológicas en organismos utilizando técnicas de Machine Learning sobre secuencias de genoma completo
Ferella, Nicolás
Informática
ADN
Docker
Genética
Genoma
Inteligencia artificial
Machine Learning
title_short Identificación de propiedades biológicas en organismos utilizando técnicas de Machine Learning sobre secuencias de genoma completo
title_full Identificación de propiedades biológicas en organismos utilizando técnicas de Machine Learning sobre secuencias de genoma completo
title_fullStr Identificación de propiedades biológicas en organismos utilizando técnicas de Machine Learning sobre secuencias de genoma completo
title_full_unstemmed Identificación de propiedades biológicas en organismos utilizando técnicas de Machine Learning sobre secuencias de genoma completo
title_sort Identificación de propiedades biológicas en organismos utilizando técnicas de Machine Learning sobre secuencias de genoma completo
dc.creator.none.fl_str_mv Ferella, Nicolás
Pizio, Pablo Román
author Ferella, Nicolás
author_facet Ferella, Nicolás
Pizio, Pablo Román
author_role author
author2 Pizio, Pablo Román
author2_role author
dc.contributor.none.fl_str_mv Pons, Claudia Fabiana
dc.subject.none.fl_str_mv Informática
ADN
Docker
Genética
Genoma
Inteligencia artificial
Machine Learning
topic Informática
ADN
Docker
Genética
Genoma
Inteligencia artificial
Machine Learning
dc.description.none.fl_txt_mv El avance de la tecnología y los procesos de secuenciación de genomas de las últimas décadas ha puesto al alcance de investigadores grandes volúmenes de datos biológicos, los cuales resultan difíciles de analizar debido a su escala. Se realizó un software que facilita el análisis de propiedades biológicas sobre cientos o miles de secuencias de genomas completos de un organismo mediante técnicas de Machine Learning, permitiendo al investigador realizar predicciones y encontrar los genes de mayor impacto que, en caso de no estar clasificados hasta la fecha, resultan de interés para su posterior análisis en laboratorio.
Asesora profesional: Josefina Campos
Licenciado en Informática
Universidad Nacional de La Plata
Facultad de Informática
description El avance de la tecnología y los procesos de secuenciación de genomas de las últimas décadas ha puesto al alcance de investigadores grandes volúmenes de datos biológicos, los cuales resultan difíciles de analizar debido a su escala. Se realizó un software que facilita el análisis de propiedades biológicas sobre cientos o miles de secuencias de genomas completos de un organismo mediante técnicas de Machine Learning, permitiendo al investigador realizar predicciones y encontrar los genes de mayor impacto que, en caso de no estar clasificados hasta la fecha, resultan de interés para su posterior análisis en laboratorio.
publishDate 2022
dc.date.none.fl_str_mv 2022-11-28
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
info:eu-repo/semantics/acceptedVersion
Tesis de grado
http://purl.org/coar/resource_type/c_7a1f
info:ar-repo/semantics/tesisDeGrado
format bachelorThesis
status_str acceptedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/146788
url http://sedici.unlp.edu.ar/handle/10915/146788
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1844616251403403265
score 13.070432