Fecha de alta en el repositorio: 2019-09-30
Resumen: Actualmente la metabolómica es la sección de la biología de sistemas que más problemas tiene a la hora de integrarse en modelos biológicos. Esto se debe a que no hay una manera de secuenciar un metabolito igual que ocurre en otras ciencias omicas. En la metabolómica se utiliza el acceso a las bases de datos para comparar el espectro de un metabolito con los espectros guardados. Gracias a la inteligencia artificial se puede integrar la informática y la biología de sistemas para resolver esta limitación. Actualmente hay un modelo de inteligencia artificial que es capaz de reconstruir moléculas y generar nuevas moléculas. Nuestro trabajo se fundamenta en utilizar un modelo de inteligencia artificial que sea capaz de reconstruir y generar nuevos metabolitos. Además, hemos desarrollado una red neuronal convolucional que se integra con este primer modelo y que permite reconstruir y generar nuevos metabolitos a partir del espectro de masas de un metabolito. Nuestro modelo obtiene un 92,83 % de reconstrucción para los metabolitos que se usan para generarlo, y un 24,54 % para los metabolitos que nunca ha visto. Nuestro modelo es capaz de determinar una molécula a partir de su espectro de masas sin que sea necesario que nadie haya asociado el espectro de masas de la molécula a la molécula previamente. Superando completamente a la metodología actual en la metabolómica para determinar un metabolito de una muestra biológica. Currently, metabolomics is the section of systems biology that has the most problems when it comes to integrating into biological models. This is because there is no way to sequence a metabolite as it does in other omic sciences. In metabolomics, access to databases is used to compare the spectrum of a metabolite with the stored spectra. Thanks to artificial intelligence, computer science and systems biology can be integrated to solve this limitation. Currently there is a model of artificial intelligence that is able to reconstruct molecules and generate new molecules. Our work is based on using an artificial intelligence model that is capable of reconstructing and generating new metabolites. In addition, we have developed a convolutional neuronal network that integrates with this first model and that allows us to reconstruct and generate new metabolites from the mass spectrum of a metabolite. Our model obtains a 92.83% reconstruction score for the metabolites that are used to generate it, and 24.54% for the metabolites that it has never seen. Our model is able to determine a molecule from its mass spectrum without the need that nobody has previously associated the mass spectrum of the molecule to the molecule. Completely surpassing the current methodology in metabolomics to determine a metabolite of a biological sample. Actualment la metabolòmica és la secció de la biologia de sistemes que més problemes té a l'hora d'integrar-se en models biològics. Això es deu al fet que no hi ha una manera de seqüenciar un metabòlit tal com passa en altres ciències òmiques. A la metabolòmica s'utilitza l'accés a les bases de dades per comparar l'espectre d'un metabòlit amb els espectres guardats. Gràcies a la intel·ligència artificial es pot integrar la informàtica i la biologia de sistemes per resoldre aquesta limitació. Actualment hi ha un model d'intel·ligència artificial que és capaç de reconstruir molècules i generar noves molècules. El nostre treball es fonamenta en utilitzar un model d'intel·ligència artificial que sigui capaç de reconstruir i generar nous metabòlits. A més, hem desenvolupat una xarxa neuronal convolucional que s'integra amb aquest primer model i que permet reconstruir i generar nous metabòlits a partir de l'espectre de masses d'un metabòlit. El nostre model obté un 92,83% de reconstrucció per als metabòlits que es fan servir per generar-lo, i un 24,54% per als metabòlits que mai ha vist. El nostre model és capaç de determinar una molècula a partir del seu espectre de masses sense que sigui necessari que ningú hagi associat l'espectre de masses de la molècula a la molècula prèviament. Superant completament la metodologia actual de la metabolòmica per determinar un metabòlit d'una mostra biològica.
Materia: Bioquímica i biotecnologia
Idioma: spa
Áreas temáticas: Bioquímica y biotecnología Biochemistry and biotechnology Bioquímica i biotecnologia
Departamento: Bioquímica i Biotecnologia
Estudiante: Ruiz Botella, Manuel
Curso académico: 2018-2019
Título en diferentes idiomas: Desarrollo de una herramienta para la reconstrucción de metabolitos a partir del espectro de masas de los metabolitos. Desenvolupament d'una eina per a la reconstrucció de metabòlits a partir de l'espectre de masses dels metabòlits.
Fecha de la defensa del treball: 2019-06-28
Derechos de acceso: info:eu-repo/semantics/openAccess
Palabras clave: metabolómica, bioinformática, aprendizaje profundo metabolomics, bioinformatics, deep learning metabolòmica, bioinformàtica, aprenentatge profund
Confidencialidad: No
Créditos del TFG: 9
Título en la lengua original: Desarrollo de una herramienta para la reconstrucción de metabolitos a partir del espectro de masas de los metabolitos.
Director del proyecto: Sales-Pardo, Marta
Enseñanza(s): Biotecnologia
Entidad: Universitat Rovira i Virgili (URV)
Repositori URV