Registro:
| Documento: | Tesis de Maestría |
| Título: | Interacciones del microbioma intestinal humano en diferentes comunidades europeas : un enfoque complementario desde el aprendizaje automático |
| Título alternativo: | Interactions of the human gut microbiome in various european communities : a complementary approach using machine learning |
| Autor: | Burgos, Valeria Laura |
| Editor: | Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales |
| Lugar de trabajo: | Hospital Italiano - Instituto Universitario Hospital Italiano - CONICET. Instituto de Medicina Traslacional e Ingeniería Biomédica (IMTIB)
|
| Publicación en la Web: | 2025-06-19 |
| Fecha de defensa: | 2023-12-19 |
| Fecha en portada: | 2023 |
| Grado Obtenido: | Maestría |
| Título Obtenido: | Magíster de la Universidad de Buenos Aires en el área de Explotación de Datos y Descubrimiento del Conocimiento |
| Departamento Docente: | Departamento de Computación |
| Director: | Fernández, María Laura |
| Director Asistente: | Risk, Marcelo |
| Jurado: | Figuerola, Eva Lucía Margarita; Ibarbalz, Federico Matías; Berenstein, Ariel José |
| Idioma: | Español |
| Palabras clave: | MICROBIOTA INTESTINAL; MAPAS AUTO-ORGANIZADOS; AGRUPAMIENTO; RANDOM FOREST; MEDICINA PERSONALIZADA; BIOINFORMATICAGUT MICROBIOTA; SELF-ORGANIZING MAPS; CLUSTERING; RANDOM FOREST; PERSONALIZED MEDICINE; BIOINFORMATICS |
| Formato: | PDF |
| Handle: |
https://hdl.handle.net/20.500.12110/tesis_n7587_Burgos |
| PDF: | https://bibliotecadigital.exactas.uba.ar/download/tesis/tesis_n7587_Burgos.pdf |
| Registro: | https://bibliotecadigital.exactas.uba.ar/collection/tesis/document/tesis_n7587_Burgos |
| Ubicación: | DMI 007587 |
| Derechos de Acceso: | Esta obra puede ser leída, grabada y utilizada con fines de estudio, investigación y docencia. Es necesario el reconocimiento de autoría mediante la cita correspondiente. Burgos, Valeria Laura. (2023). Interacciones del microbioma intestinal humano en diferentes comunidades europeas : un enfoque complementario desde el aprendizaje automático. (Tesis de Maestría. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales). Recuperado de https://hdl.handle.net/20.500.12110/tesis_n7587_Burgos |
Resumen:
El tracto gastrointestinal humano está colonizado por una abundancia de comunidades de bacterias, virus, hongos y arqueas, conviviendo en equilibrio entre sí y con el hospedador humano. Son millones de microorganismos que forman la denominada microbiota intestinal, con roles muy importantes en el bienestar, mantenimiento de la salud y aparición de varias enfermedades que van desde el síndrome de colon irritable, cáncer hasta depresión. En la presente Tesis se propone un enfoque de análisis desde la minería de datos (data mining) sobre un conjunto de datos de microbioma intestinal provenientes de individuos europeos, utilizando algoritmos de aprendizaje automático (machine learning) que permitan identificar relaciones con relevancia biomédica entre las variables demográficas de los sujetos de estudio y algún patrón de abundancia de bacterias. El estudio se realizó sobre varias especies de bacterias pertenecientes a los dos grupos (phyla) de mayor abundancia en la microbiota intestinal humana, tal como Bacteroidetes y Firmicutes, teniendo en cuenta además información sobre la edad, índice de masa corporal, nacionalidad y sexo de los individuos. Ambos subconjuntos de abundancias de bacterias junto a las variables de metadatos fueron sujetos a un análisis exploratorio, usando posteriormente análisis de reducción de la dimensionalidad y algoritmos de agrupamiento (clustering) con el fin de caracterizar la presencia de agrupamientos naturales en los datos, además de evaluar la variabilidad de los mismos. Se usó también el algoritmo de mapas auto-organizados cuya visualización representa una valiosa herramienta de análisis ya que permite integrar información multivariada a través de diferentes planos componentes. Por último, para estudiar la diversidad de las poblaciones de bacterias en estudio y su asociación con datos demográficos de los individuos, se usó un métodos de ensamble como random forest para modelar la importancia de las variables sobre la diversidad biológica de las comunidades. Los resultados muestran que las variables más importantes para explicar la diversidad bacteriana serían la edad y el índice de masa corporal. Curiosamente, varias especies de bacterias conocidas por estar asociados con la dieta y la obesidad, fueron identificadas como características relevantes. El análisis topológico de los mapas auto-organizados identificó ciertos grupos de nodos de características similares en los metadatos de los sujetos y grupos de bacterias. Se concluye que los resultados representan un enfoque que podría incorporarse en futuros estudios, como un potencial complemento en reportes de salud para ayudar a los profesionales de la salud a personalizar el tratamiento del paciente o como apoyo para la toma de decisiones.
Abstract:
The human gastrointestinal tract is colonized by abundant communities of bacteria, viruses, fungi, and archaea, living in balance with each other and the human host. Millions of microorganisms make up the so-called gut microbiota, with significant roles in the well-being, and health maintenance as well as the appearance of various diseases ranging from irritable bowel syndrome, and cancer to depression. This thesis proposes a data mining approach to analyze a set of gut microbiota data of individuals from several European regions, using machine learning algorithms to identify biomedically relevant relationships between demographic and biomedical variables of the subjects and patterns of abundance of bacteria. The study focused on the two most abundant human gut microbiota groups (phyla), Bacteroidetes and Firmicutes. Both subsets of bacterial abundances together with the metadata variables were subjected to an exploratory analysis, subsequently using dimensionality reduction techniques and clustering algorithms to characterize the presence of natural clusters in the data, in addition to evaluating their variability. The self-organizing map algorithm was also used, whose visualization of outcome represents a valuable analysis tool since it integrates multivariate information through different component planes. Finally, to evaluate the relevance of the variables on the biological diversity of the microbial communities, an ensemble-based method such as random forest was used. Results showed that age and body mass index were important in explaining bacteria diversity. Interestingly, several species of bacteria associated with diet and obesity were also identified as relevant features. The topological analysis of self-organizing maps identified specific groups of nodes with similarities in subject metadata and gut bacteria. This study represents an approach that could be considered in future studies as a potential complement in health reports to help healthcare professionals personalize patient treatment or support decision-making.
Citación:
---------- APA ----------
Burgos, Valeria Laura. (2023). Interacciones del microbioma intestinal humano en diferentes comunidades europeas : un enfoque complementario desde el aprendizaje automático. (Tesis de Maestría. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales.). Recuperado de https://hdl.handle.net/20.500.12110/tesis_n7587_Burgos
---------- CHICAGO ----------
Burgos, Valeria Laura. "Interacciones del microbioma intestinal humano en diferentes comunidades europeas : un enfoque complementario desde el aprendizaje automático". Tesis de Maestría, Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales, 2023.https://hdl.handle.net/20.500.12110/tesis_n7587_Burgos
Estadísticas:
Descargas totales desde :
Descargas mensuales
https://bibliotecadigital.exactas.uba.ar/download/tesis/tesis_n7587_Burgos.pdf
