Creation date in repository: 2020-12-21
Abstract: En este proyecto implementamos un modelo matemático basado en Modelos de Bloques Estocásticos de Membresía Mixta para poder hacer predicciones de la fuerza y tipo de interacción genética entre dos o tres genes del organismo modelo humano Saccharomyces cerevisiae. Utilizamos un conjunto de datos de 501510 entradas obtenidas de los materiales complementarios del artículo Análisis sistemático de interacciones genéticas complejas. Este conjunto de datos contiene los datos de fitness de mutantes de levadura knock-out triples y dobles, cada uno con una combinación diferente de genes mutados. Después de validar las predicciones del modelo utilizando diferentes métricas, comparamos cómo se relacionan los genes según los modelos de bloques estocásticos de membresía mixta en términos de ontología genética. In this project we implement a mathematical model based in Mixed-Membership Stochastic Block Models to be able to make predictions of the strength and type of genetic interaction between two or three genes from the human model organism Saccharomyces cerevisiae. We use a data-set of 501510 entries obtained from the supplementary materials of the article “Systematic Analysis of Complex Genetic Interactions”. This data-set contains the fitness data from yeast triple and double knock-out mutants, each with a different combination of mutated genes. After validating the predictions of the model using different metrics, we compare how genes are related according to Mixed-Membership Stochastic Block Models are related in Gene Ontology terms. En aquest projecte vam implementar un model matemàtic basat en Models de Blocs Estocàstics de Pertinença Mixta per poder fer prediccions de la força i tipus d'interacció genètica entre dos o tres gens de l'organisme model humà Saccharomyces cerevisiae. Utilitzem un conjunt de dades de 501.510 entrades obtingudes dels materials complementaris de l'article Anàlisi sistemàtica d'interaccions genètiques complexes. Aquest conjunt de dades conté les dades del fitness dels mutants knock-out triples i dobles de llevat, cadascun amb una combinació diferent de gens mutats. Després de validar les prediccions del model utilitzant diferents mètriques, comparem com es relacionen els gens segons els models de blocs estocàstics de membres mixta en termes de ontologia genètica.
Subject: Bioquímica i biotecnologia
Language: en
Subject areas: Bioquímica i biotecnologia Biochemistry and biotechnology Bioquímica y biotecnología
Department: Enginyeria Química
Student: Mariné Tena, Aleix
Academic year: 2019-2020
Title in different languages: Predicció d'interaccions entre parelles i tripletes de gens a Saccharomyces cerevisiae utilitzant models de bloc estocàstic amb pertinença mixta Prediction of interactions between pairs and triplets of genes in Saccharomyces cerevisiae using Mixed-Membership Stochastic Block Models Predicción de interacción entre parejas y tríos de genes en Saccharmoyces cerevisiae usando modelos de bloque estocástico con membresía mixta
Work's public defense date: 2020-09-04
Access rights: info:eu-repo/semantics/openAccess
Keywords: saccharomyces cerevisiae, modelos de bloque estocástico con membresía mixta, machine learning saccharomyces cerevisiae, mixed-membership stochastic block models, machine learning saccharomyces cerevisiae, models de bloc estocàstic amb pertinença mixta, machine learning
Confidenciality: No
TFG credits: 9
Title in original language: Prediction of interactions between pairs and triplets of genes in Saccharomyces cerevisiae using Mixed-Membership Stochastic Block Models
Project director: Sales-Pardo, Marta
Education area(s): Biotecnologia
Entity: Universitat Rovira i Virgili (URV)
Repositori URV