Registro completo de metadatos
| Campo DC | Valor | Lengua/Idioma |
|---|---|---|
| dc.provenance | Facultad de Ciencias Exactas y Naturales de la UBA | - |
| dc.contributor | Santa María, Cristóbal Raúl | - |
| dc.creator | Santa María, Cristóbal Raúl | - |
| dc.date.accessioned | 2018-05-04T22:12:19Z | - |
| dc.date.accessioned | 2018-05-28T16:26:03Z | - |
| dc.date.available | 2018-05-04T22:12:19Z | - |
| dc.date.available | 2018-05-28T16:26:03Z | - |
| dc.identifier.uri | http://10.0.0.11:8080/jspui/handle/bnmm/72377 | - |
| dc.description | El trabajo aquí presentado trata acerca de las mediciones de biodiversidad en comunidades microbianas que suelen involucrar dos aspectos: la riqueza y la distribución de los taxones. Una metodología usual para estudiar esas comunidades comprende la utilización de genes marcadores, tal como el que codifica para el rRNA 16S. Se presenta un estado del arte referido a las técnicas de procesamiento computacional que son empleadas, en esos análisis, sobre las secuencias de ADN del gen marcador. También se reseñan las formas de estimación estadística de la diversidad más comúnmente usadas. Se evalúan y detallan las limitaciones que surgen de la aplicación de esos métodos, que comprenden procedimientos habituales en explotación de datos afectados, en este caso, por la presencia de taxones dominantes y de otros que resultan raros aunque no menos importantes desde el punto de vista del análisis del ecosistema. Se proponen alternativas de estimación por simulación para el descubrimiento del conocimiento sobre cantidad de taxones y distribución de los mismos. Los estimadores desarrollados procuran describir las características de la comunidad hallando un patrón distintivo a partir de los datos. En particular se utiliza una idea de Alan Turing acerca de la probabilidad de selección de una especie aun no contabilizada, para construir un Algoritmo de Recuento de Especies (ARE) que expande la muestra original poniendo en evidencia la distribución real y la riqueza. Se emplea también la idea de cobertura muestral para proponer distintas correcciones a este procedimiento y se construye un algoritmo de estimación que combina el uso de ambos estimadores con el de la entropía, que mide la cantidad de información muestral. Los resultados de las pruebas realizadas muestran el desempeño más eficiente de los algoritmos construidos respecto de las mediciones por estimación no paramétrica o por rarefacción, las que a menudo subestiman los valores de riqueza de la población microbiana. | - |
| dc.format | text; pdf | - |
| dc.language | Español | - |
| dc.publisher | Facultad de Ciencias Exactas y Naturales. Universidad de Buenos Aires | - |
| dc.source.uri | http://digital.bl.fcen.uba.ar/gsdl-282/cgi-bin/library.cgi?a=d&c=publicaciones/hornero&d=008_ElHornero_v024_n02_articulo099 | - |
| dc.title | Aplicaciones de data mining al estudio de la biodiversidad en relevamientos metagenómicos | - |
| dc.type | Tesis de Maestría | - |
| Aparece en las colecciones: | FCEN - Facultad de Ciencias Exactas y Naturales. UBA | |
Ficheros en este ítem:
No hay ficheros asociados a este ítem.