%0 Thesis
%A Olmos Piñero, Sergio
%8 2022-11
%U https://hdl.handle.net/20.500.12880/5115
%X La metagenómica aborda la problemática de la caracterización de las 
comunidades microbianas, para ello, se extrae el material genético de una 
comunidad de organismos y posteriormente se realiza el análisis de la misma. 
En la actualidad, son numerosos los métodos existentes para el alineamiento de 
las muestras con genomas de referencia empleando bibliotecas de genomas 
bacterianos, pero la cuantificación y estimación de la abundancia relativa de las 
especies presentes en la muestra es más complejo. Existen herramientas que 
emplean diferentes estrategias, pero no siempre resultan precisas y eficientes. 
El presente trabajo aborda el análisis de comunidades bacterianas sintéticas 
para obtener un algoritmo capaz de estimar la abundancia relativa y el número 
de clones presentes para un gen específico empleando Deep Learning. Para ello 
se desarrollará un simulador de comunidades bacterianas y se emplearán para 
obtener algoritmos predictivos de diferente complejidad. La determinación del 
número de mutaciones y de alelos presentes en una muestra se consigue con 
una precisión del >97%, mientras que la estimación de la abundancia relativa y 
la cuantificación del número de clones presenta limitaciones y la precisión 
alcanzada es del ~12%. La precisión se está viendo afectada por la similitud 
entre la composición en proporción de las comunidades sintéticas en las que se 
presenta codominancia entre dos alelos. Además, se emplean comunidades 
cuya variabilidad genética es inferior al 10%, lo cual dificulta el proceso de 
aprendizaje de la red neuronal afectando a su capacidad predictiva.
%T Desarrollo del software DeepCloneFinder: una herramienta para la identificación clonal en muestras de metagenómica mediante Deep Neural Networks
%K Metagenómica
%K Abundancia relativa
%K Métodos computacionales
%K Genómica
%K Deep Learning
%~ END