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.
Except where otherwise noted, this item's license is described as Attribution-NonCommercial-NoDerivatives 4.0 Internacional