El Viernes 10/04 se realizó la Defensa de Tesis de Álvaro López Malizia titulada “Anotación de genomas de helmintos mediante aprendizaje automático”. Contó con la dirección de la Dra. Laura Kamenetzky y la co-dirección de la Dra. Georgina Silvia Stegmayer. Los jurados fueron el Dr. Marcelo Soria, el Dr. Alejandro Nadra y la Dra. María Elena Buemi. La defensa puede verse a través del siguiente link: https://www.youtube.com/live/NTipLTRHD_8
Resumen:
A pesar de los avances en secuenciación, muchos genomas de nematodos carecen de anotaciones funcionales de sus secuencias codificantes, ya que los métodos experimentales tradicionales resultan costosos y laboriosos. En esta tesis se implementó el modelo de aprendizaje profundo DeeProtGO con el objetivo de predecir anotaciones de Gene Ontology (GO) en proteínas derivadas de la secuenciación del parásito Dioctophyme renale. El modelo fue entrenado inicialmente con proteínas de organismos de distintos taxones y posteriormente reentrenado con subconjuntos de proteínas de nematodos filogenéticamente cercanos, evaluando su impacto en la capacidad predictiva. Se analizó además la relación entre la longitud proteica y la presencia de anotaciones, observándose que las proteínas más cortas presentaban una menor proporción de anotaciones.
Sin embargo, la precisión de las predicciones en procesos biológicos no disminuyó de forma significativa en proteínas de menos de 240 aminoácidos. El mejor rendimiento, con un Fmax de 0.23 para funciones moleculares, se obtuvo al incluir proteínas de D. renale en el entrenamiento, aunque con un umbral alto (t=0.98), lo que sugiere un modelo conservador y con limitada generalización. Finalmente, se exploró la distribución espacial de secuencias ortólogas en muestras de Brugia malayi mediante Spatial Transcriptomics, lo que permitió mapear la localización anatómica de proteínas predichas, ampliando el marco funcional y espacial de estas anotaciones.
