Análisis del muestreo Gibbs para detección de motivos en secuencias biológicas
El reconocimiento de patrones comunes o motivos en la evolución, disposición estructural y funcionalidad biológica de un conjunto de secuencias biológicas (ADN o proteínas) es aún hoy un desafío importante en Biología Computacional. El problema requiere la determinación simultánea de la composición...
Guardat en:
| Autor principal: | |
|---|---|
| Format: | masterThesis |
| Idioma: | espanyol |
| Publicat: |
2005
|
| Matèries: | |
| Accés en línia: | http://hdl.handle.net/20.500.12008/2935 |
| Etiquetes: |
Sense etiquetes, Sigues el primer a etiquetar aquest registre!
|
| _version_ | 1868889996176392192 |
|---|---|
| author | Angelone, Laura |
| author_browse | Angelone, Laura |
| author_facet | Angelone, Laura |
| author_role | author |
| collection | COLIBRI |
| dc.creator.none.fl_str_mv | Angelone, Laura |
| dc.date.none.fl_str_mv | 2005 2014-11-24T22:35:54Z 2014-11-24T22:35:54Z 20141202 |
| dc.format.none.fl_str_mv | 114 p. application/pdf |
| dc.identifier.none.fl_str_mv | ANGELONE, L. "Análisis del muestreo Gibbs para detección de motivos en secuencias biológicas". Tesis de maestría, Universidad de la República (Uruguay). Facultad de Ingeniería. Instituto de Computación – PEDECIBA, 2005. http://hdl.handle.net/20.500.12008/2935 |
| dc.language.none.fl_str_mv | es spa |
| dc.publisher.none.fl_str_mv | UR. FI-INCO, |
| dc.rights.none.fl_str_mv | info:eu-repo/semantics/openAccess Licencia Creative Commons Atribución – No Comercial – Sin Derivadas (CC BY-NC-ND 4.0) |
| dc.source.none.fl_str_mv | reponame:COLIBRI instname:Universidad de la República instacron:Universidad de la República |
| dc.subject.none.fl_str_mv | RECONOCIMIENTO DE PATRONES BIOLOGIA COMPUTACIONAL ALINEACION MULTIPLE DE SECUENCIAS BIOLOGICAS MUESTREO GIBBS |
| dc.title.none.fl_str_mv | Análisis del muestreo Gibbs para detección de motivos en secuencias biológicas |
| dc.type.none.fl_str_mv | Tesis de maestría info:eu-repo/semantics/masterThesis info:eu-repo/semantics/acceptedVersion |
| description | El reconocimiento de patrones comunes o motivos en la evolución, disposición estructural y funcionalidad biológica de un conjunto de secuencias biológicas (ADN o proteínas) es aún hoy un desafío importante en Biología Computacional. El problema requiere la determinación simultánea de la composición y ubicación de los motivos comunes a partir del conjunto de secuencias afectadas por ruido de evolución y desalineadas. De acuerdo a los trabajos de Ming Li et al. [44][45], la determinación de una solución exacta es un problema NP completo y por lo tanto la formulación de soluciones aproximadas es de fundamental interés. En particular, el modelado estadístico de secuencias mediante modelos ocultos de Markov (HMM) o mediante Muestreo Gibbs permite el diseño de aproximaciones biológicamente significativas sujeto a la disponibilidad de un número adecuado y variado de secuencias. Estas restricciones son especialmente limitantes en el caso de modelos HMM pero salvable en muestreo Gibbs admitiendo una carga computacional ligeramente mayor. A diferencia del modelado HMM, el cual asume una determinada estructura para el proceso de generación de datos, el muestreo Gibbs intenta aproximar la distribución de probabilidad que rige a los datos bajo estudio en un proceso iterativo caracterizado por una gran simplicidad algorítmica. En esta tesis se analizan tanto los aspectos teóricos como prácticos que rigen el muestreo Gibbs para el problema de detección de motivos. Los resultados de este análisis se encuentran en la implementación de un software específico, su aplicación a la determinación de motivos en familias de secuencias de proteínas muy divergentes encuadradas en el Proyecto "Caracterización de factores basales de trascripción en parásitos protozoarios", Serra et al.[56], y su comparación con los programas de uso libre Gibbs Sampling[32] y MEME[5] . |
| eu_rights_str_mv | openAccess |
| format | masterThesis |
| id | anni_2d3d0bb9f1bee913a218e81a50487eae |
| identifier_str_mv | ANGELONE, L. "Análisis del muestreo Gibbs para detección de motivos en secuencias biológicas". Tesis de maestría, Universidad de la República (Uruguay). Facultad de Ingeniería. Instituto de Computación – PEDECIBA, 2005. |
| instacron_str | Universidad de la República |
| institution | Universidad de la República |
| instname_str | Universidad de la República |
| language | spa |
| language_invalid_str_mv | es |
| network_acronym_str | anni |
| network_name_str | oai-lr-anni |
| oai_identifier_str | oai:colibri.udelar.edu.uy:20.500.12008/2935 |
| publishDate | 2005 |
| publishDateSort | 2005 |
| publisher.none.fl_str_mv | UR. FI-INCO, |
| reponame_str | COLIBRI |
| repository.mail.fl_str_mv | |
| repository.name.fl_str_mv | |
| repository_id_str | |
| rights_invalid_str_mv | Licencia Creative Commons Atribución – No Comercial – Sin Derivadas (CC BY-NC-ND 4.0) |
| spelling | Análisis del muestreo Gibbs para detección de motivos en secuencias biológicasAngelone, LauraRECONOCIMIENTO DE PATRONESBIOLOGIA COMPUTACIONALALINEACION MULTIPLE DE SECUENCIAS BIOLOGICASMUESTREO GIBBSEl reconocimiento de patrones comunes o motivos en la evolución, disposición estructural y funcionalidad biológica de un conjunto de secuencias biológicas (ADN o proteínas) es aún hoy un desafío importante en Biología Computacional. El problema requiere la determinación simultánea de la composición y ubicación de los motivos comunes a partir del conjunto de secuencias afectadas por ruido de evolución y desalineadas. De acuerdo a los trabajos de Ming Li et al. [44][45], la determinación de una solución exacta es un problema NP completo y por lo tanto la formulación de soluciones aproximadas es de fundamental interés. En particular, el modelado estadístico de secuencias mediante modelos ocultos de Markov (HMM) o mediante Muestreo Gibbs permite el diseño de aproximaciones biológicamente significativas sujeto a la disponibilidad de un número adecuado y variado de secuencias. Estas restricciones son especialmente limitantes en el caso de modelos HMM pero salvable en muestreo Gibbs admitiendo una carga computacional ligeramente mayor. A diferencia del modelado HMM, el cual asume una determinada estructura para el proceso de generación de datos, el muestreo Gibbs intenta aproximar la distribución de probabilidad que rige a los datos bajo estudio en un proceso iterativo caracterizado por una gran simplicidad algorítmica. En esta tesis se analizan tanto los aspectos teóricos como prácticos que rigen el muestreo Gibbs para el problema de detección de motivos. Los resultados de este análisis se encuentran en la implementación de un software específico, su aplicación a la determinación de motivos en familias de secuencias de proteínas muy divergentes encuadradas en el Proyecto "Caracterización de factores basales de trascripción en parásitos protozoarios", Serra et al.[56], y su comparación con los programas de uso libre Gibbs Sampling[32] y MEME[5] .UR. FI-INCO,2014-11-24T22:35:54Z2014-11-24T22:35:54Z200520141202Tesis de maestríainfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/acceptedVersion114 p.application/pdfANGELONE, L. "Análisis del muestreo Gibbs para detección de motivos en secuencias biológicas". Tesis de maestría, Universidad de la República (Uruguay). Facultad de Ingeniería. Instituto de Computación – PEDECIBA, 2005.http://hdl.handle.net/20.500.12008/2935reponame:COLIBRIinstname:Universidad de la Repúblicainstacron:Universidad de la RepúblicaesspaLas obras depositadas en el Repositorio se rigen por la Ordenanza de los Derechos de la Propiedad Intelectual de la Universidad De La República. (Res. Nº 91 de C.D.C. de 8/III/1994 – D.O. 7/IV/1994) y por la Ordenanza del Repositorio Abierto de la Universidad de la República (Res. Nº 16 de C.D.C. de 07/10/2014)info:eu-repo/semantics/openAccessLicencia Creative Commons Atribución – No Comercial – Sin Derivadas (CC BY-NC-ND 4.0)oai:colibri.udelar.edu.uy:20.500.12008/29352026-04-14T10:27:49Z |
| spellingShingle | Análisis del muestreo Gibbs para detección de motivos en secuencias biológicas Angelone, Laura RECONOCIMIENTO DE PATRONES BIOLOGIA COMPUTACIONAL ALINEACION MULTIPLE DE SECUENCIAS BIOLOGICAS MUESTREO GIBBS |
| status_str | acceptedVersion |
| title | Análisis del muestreo Gibbs para detección de motivos en secuencias biológicas |
| title_full | Análisis del muestreo Gibbs para detección de motivos en secuencias biológicas |
| title_fullStr | Análisis del muestreo Gibbs para detección de motivos en secuencias biológicas |
| title_full_unstemmed | Análisis del muestreo Gibbs para detección de motivos en secuencias biológicas |
| title_short | Análisis del muestreo Gibbs para detección de motivos en secuencias biológicas |
| title_sort | Análisis del muestreo Gibbs para detección de motivos en secuencias biológicas |
| topic | RECONOCIMIENTO DE PATRONES BIOLOGIA COMPUTACIONAL ALINEACION MULTIPLE DE SECUENCIAS BIOLOGICAS MUESTREO GIBBS |
| url | http://hdl.handle.net/20.500.12008/2935 |