Predicción del tratamiento para la leishmaniasis cutánea mediante datos génicos e inferencia gramatical

Peña Atencio, Josue

dc.contributor	Álvarez Vargas, Gloria Inés
dc.contributor	Linares Ospina, Diego Luis
dc.creator	Peña Atencio, Josue
dc.date	2024-06-17T20:33:19Z
dc.date	2024-06-17T20:33:19Z
dc.date	2021
dc.date.accessioned	2026-10-15T17:13:01Z
dc.date.available	2026-10-15T17:13:01Z
dc.identifier	https://vitela.javerianacali.edu.co/handle/11522/2831
dc.identifier.uri	https://hdl.handle.net/20.500.12032/190231
dc.description	La leishmaniasis es una enfermedad parasitaria usualmente transmitida por moscas de arena infectadas que suelen vivir en ambientes tropicales. La forma más común de leishmaniasis en Colombia es la leishmaniasis cutánea, la cual provoca úlceras en la piel. Para esta forma, el tratamiento actual mediante el medicamento Glucantime tiene un porcentaje de fracaso que varía entre el 19% y el 81%. Colombia y otros países afectados tienen poco interés en esta enfermedad que está profundamente relacionada con la pobreza, y no cuentan con el conocimiento médico para garantizar un tratamiento completamente seguro. La dificultad para tratar la enfermedad radica en la compleja interacción entre el parásito y el sistema inmunológico, el cual está relacionado con el estado de expresión génica de cada paciente En el presente trabajo, se hace uso de 7 conjuntos de datos provistos por el CIDEIM de Cali, los cuales recolectan la información de expresión génica de tres tipos de glóbulos blancos provenientes de 14 pacientes de leishmaniasis anónimos antes, durante y después del tratamiento para la enfermedad. Se utilizan dos algoritmos de inferencia gramatical llamados OIL y RPNI [6] para predecir el posible resultado del tratamiento y así ayudar a prevenir la falla y complicaciones del mismo o para establecer un tratamiento alternativo más adecuado. Estas técnicas han sido aplicadas con éxito en los campos como la biología computacional y el procesamiento del lenguaje natural [7]. Se realizan 54 experimentos para OIL y 54 experimentos para RPNI; en cada uno los experimentos cada algoritmo se entrena y evalúa mediante una validación cruzada 4 iteraciones. Se usan las métricas Accuracy, Precision, Recall y F1-Score para la evaluación. Se llegó a resultados satisfactorios en el trabajo, logrando en múltiples experimentos una tasa muy competitiva del 90% de Accuracy para RPNI y 68.8% de Accuracy para OIL.
dc.format	61 p.
dc.format	application/pdf
dc.format	application/pdf
dc.format	application/pdf
dc.format	application/pdf
dc.format	application/pdf
dc.format	application/pdf
dc.language	spa
dc.publisher	Pontificia Univerisdad Javeriana Cali
dc.rights	https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights	https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights	http://purl.org/coar/access_right/c_abf2
dc.subject	Leishmaniasis
dc.subject	Enfermedad parasitaria
dc.subject	Bioinformática
dc.subject	Expresión génica
dc.subject	Inteligencia artificial
dc.subject	Aprendizaje automático
dc.subject	Machine Learning
dc.subject	Inferencia gramatical
dc.subject	Teoría de autómatas
dc.title	Predicción del tratamiento para la leishmaniasis cutánea mediante datos génicos e inferencia gramatical
dc.type	http://purl.org/coar/resource_type/c_7a1f
dc.type	Tesis/Trabajo de grado - Monografía - Pregrado
dc.type	https://purl.org/redcol/resource_type/TP

Ficheros en el ítem

Ficheros	Tamaño	Formato	Ver
No hay ficheros asociados a este ítem.

Este ítem aparece en la(s) siguiente(s) colección(ones)

Documentos - PUJC

Mostrar el registro sencillo del ítem