Agenda. Descripción del problema. Análisis filogenético de plantas

Tamaño: px

Comenzar la demostración a partir de la página:

Download "Agenda. Descripción del problema. Análisis filogenético de plantas"

María Rosa Cuenca Rojas
hace 8 años
Vistas:

1 Análisis filogenético de plantas Carbó Gabriela, Markel Gustavo, Poloni Pablo, Ruz Cecilia, Walitzky Liliana Agenda Objetivo del Trabajo Descripción del conjunto de datos Metodologías utilizadas Resultados obtenidos Conclusiones La estructura de un determinado gen está definida por la secuencia de las bases nitrogenadas El gen de cloroplasto denominado rbcl es fundamental en el proceso de fotosíntesis y se encuentra en casi todas las plantas Utilizando un método denominado PCR, 40 genetistas de distintos países trabajaron para obtener la cadena genética del gen rbcl de 499 Los utilizadas para este análisis corresponden a plantas con semillas Angiospermas división Spermatophyla. 1

cloroplasto denominado rbcl es fundamental en el proceso de fotosíntesis y se encuentra en casi todas las plantas Utilizando un método denominado PCR, 40 genetistas de

2 Bases nitrogenadas Adenina (A) Citosina (C) Guanina (G) Timina (T) Mutaciones Las mutaciones en los genes son procesos azarosos que pueden ser beneficiosos, neutros o malos para los organismos que las sufren Especie 1 Especie 2 Especie 3 Especie 4 Especie 5 ATCAGCAACGTGGCATCATACG ATCAGCCCCGTGGCATCATACG ATCAGCCCCGTTTCATCATACG ATCAGCACCGTGTCATCATACG ATCAGCACCGTGTCATCATAAT Adenina (A) Citosina (C) Guanina (G) Timina (T) Existe una jerarquía dentro del reino de las plantas Plantae dentro del cual las se ubican en el último nivel. Clasificación de las de plantas: Divisiones Clases Ordenes Familias Géneros Especies 2

ATCAGCCCCGTGGCATCATACG ATCAGCCCCGTTTCATCATACG ATCAGCACCGTGTCATCATACG ATCAGCACCGTGTCATCATAAT Adenina (A) Citosina (C) Guanina (G) Timina (T) Existe una

3 Objetivo del trabajo Realizar un análisis de agrupamiento según la homología genética de distintas de plantas. Este análisis permitirá inferir, relaciones de parentesco entre los distintos grupos de plantas; en función de estudiar las mutaciones en las bases nitrogenadas del gen que se sucedieron en la historia evolutiva de las distintas. Contenido del conjunto de datos 499 filas: 761 columnas Especie 760 Secuencia de bases nitrogenadas A: Adenina C: Citosina G: Guanina T: Tiamina Metodologías utilizadas Análisis de Agrupamiento (Clustering) Itemsets frecuentes Combinación de ambas 3

nitrogenadas del gen que se sucedieron en la historia evolutiva de las distintas.

4 Subcadenas frecuentes de ADN Antecedentes Concepto Clustering utilizando frases Desafío Identificar (Hammouda sub-cadenas y Kamel, de 2004) bases Clustering nitrogenadas utilizando que se inician itemset a partir de un Identificar sub-cadenas de una frecuentes determinado (Bell punto y de Ester, la cadena 2002) del gen combinación de un número significativo Significado: de bases nitrogenadas que se repitan Parte del gen analizado puede ser encontrado entre entre las las distintas distintas ayuda a identificar la relación y herencia entre las Subcadenas frecuentes de ADN Apriori.exe (Universidad de Magdeburg, Alemania) Parametros utilizados: Generar itemsets frecuentes Tipos de itemsets (closed, maximal, hyperedges) Cantidades mínimas y máxima de items Subcadenas frecuentes de ADN Pasos seguidos Generación de variables binarias (3040) Generación itemsets de 4: v050_1 v023_2 v025_0 v_001_3 (11.5%) v003_0 v001_1 v004_3 v002_0 (24.3%) Filtrar items consecutivos: 1422 v003_0 v001_1 v004_3 v002_0 (24.3%) Armar variables nuevas C001_1003 (c###_xxxx) Contenido T o F 4

que se repitan Parte del gen analizado puede ser encontrado entre entre las las distintas distintas ayuda a identificar la relación y herencia entre las Subcadenas frecuentes de ADN Apriori.

5 Subcadenas frecuentes de ADN Pasos seguidos Repetir los pasos para armar: Secuencias de subc. (86% soporte) subc. (64% soporte) subc. (35% soporte) subcadenas Subcadenas frecuentes de ADN Otros datasets Longitudes consecutivas (12 a 25 de long.) Variables categoricas numéricas permitiría identificar que son similares, aún cuando hayan sufrido pequeñas mutaciones genéticas Clustering Algoritmo Seleccionado Two-step cluster Datos originales Conjunto de datos de cadenas 5

(35% soporte) 12 36 0 subcadenas Subcadenas frecuentes de ADN Otros datasets Longitudes consecutivas (12 a 25 de long.

6 Resultado final Clustering two-step con dataset original Criterio Akaike information criterion para establecer la cantidad óptima de clusters Conglomerado ,80% 7,80% N % de combinados % del total ,60% 14,60% ,80% 20,80% ,40% 4,40% ,60% 9,60% ,20% 16,20% ,40% 12,40% Total ,20% 14,20% Combinados ,0% 100,0% ,0% Clustering Itemsets frecuentes de longitud 19 Resultado final con itemsets de 19 N % of Combined % of Total Cluster ,00% 12,00% ,20% 25,20% ,20% 39,40% ,20% 47,60% ,60% 62,20% ,80% 72,00% ,20% 76,20% ,80% 91,00% ,00% 97,00% ,00% 100,00% Combined % Total % Conclusiones Para poder comparar los distintos resultados que se obtuvieron se calculó el R 2 para cada conjunto de clusters Data Set Medida de ajuste Cantida d de clusters W B R 2 Variables AIC , ,67 0,90 originales Itemsets de 12 BIC ,76 0,85 a ,47 Itemsets de 12 AIC ,83 0,87 a ,20 12-itemsets AIC / BIC , ,13 0,52 19-itemsets AIC/ BIC , ,26 0,92 6

Itemsets frecuentes de longitud 19 Resultado final con itemsets de 19 N % of Combined % of Total Cluster 1 60 12,00% 12,00% 2 66 13,20% 25,20% 3 71 14,20% 39,40% 4 41 8,20% 47,60% 5 73 14,60% 62,20%

7 Conclusiones Análisis con el experto Plantas que se separan claramente del resto del grupo son: Datglomer Polemoniu Moringa Humiria Gunnera Acuba Brestchne y Acania Algunas que son nodos clave entre muchas otras Rhodoleia (Intermedio) Itea (Padre) Boykinia (Intermedio) Nyssaa (Intermedio) Cadenas lineales fuertes Sanguinar Platanus Helwinga Phyllonom Decumaria Carpenter Daphniphy Vitis Asociaciones comunes Camelia Clethra Rhodoleria Liquidori Ceratopet y Eucryphia Tetracent y Trochoden Berzelia y Viburnum Gracias!! 7

Boykinia (Intermedio) Nyssaa (Intermedio) Cadenas lineales fuertes Sanguinar Platanus Helwinga Phyllonom Decumaria Carpenter

Documentos relacionados

CONCEPTOS DE DATA MINING APLICADOS A PROBLEMAS ADUANEROS. Lic. Cecilia Ruz

CONCEPTOS DE DATA MINING APLICADOS A PROBLEMAS ADUANEROS Lic. Cecilia Ruz Agenda Clustering Clustering sobre las Aduanas del Interior Reglas de Asociación Análisis de que productos se importan juntos Trabajo