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
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/146788
Ver los metadatos del registro completo
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 |