Pasar al contenido principal

Resultados relacionados

Resultados totales (Incluyendo duplicados): 3
Encontrada(s) 1 página(s)

Repositorio Institucional de la Universidad de Burgos (RIUBU)
Publicación Tesis doctoral (DoctoralThesis)

Machine Learning Approaches in Bioinformatics: Advances in Transcription and Protein Fitness Prediction

  • Barbero Aparicio, José Antonio
As we move deeper into the information age, bioinformatics has become increasingly important in modern biology, largely due to its critical role in processing and analyzing the vast amounts of complex data generated in the field. Traditional methods are often overwhelmed by the large volume and complexity of this data, positioning machine learning techniques as an optimal solution. Exploring the intersection of machine learning and bioinformatics offers numerous opportunities to develop and improve computational tools designed to handle and gain insights from these vast datasets. The main objective of this thesis is to develop a thorough exploration of the possibilities of machine learning in the field of bioinformatics, with a particular focus on specific problems such as transcription start and protein fitness prediction. Furthermore, given the similarities between bioinformatics sequence data and the natural language processing domain, the research emphasizes the use of sequence-based methods. Our research has resulted in several contributions to the field in the form of three scientific papers. The first two focus on transcription start prediction. In the first, we discovered that the integration of biophysical simulations in conjunction with the DNA sequence can improve the results of machine learning methods. Additionally, in our second paper we concluded that, while support vector machines have been a traditional choice for transcription start prediction, our research suggests that deep learning methods outperform them, marking a paradigm shift in the field. In addition, we presented custom-built datasets using Ensembl data, providing a valuable resource for future studies. The third paper addresses the issue of protein fitness prediction specifically in scarce dataset scenarios and concludes that deep transfer learning methods get established as the best alternative when compared with other strategies well suited for such situations, such as semi-supervised learning., A medida que nos seguimos adentrando en la era de la información, la bioinformática está pasando a ser cada vez más importante en la biología moderna, en gran parte debido a su papel crítico en el procesamiento y análisis de la gran cantidad de datos complejos generados en el campo. A menudo los métodos tradicionales encuentran dificultades debidas al gran volumen y complejidad de estos datos, posicionando a las técnicas de aprendizaje automático como una solución más óptima. La exploración de la intersección entre aprendizaje automático y la bioinformática ofrece numerosas oportunidades para el desarrollo y la mejora de herramientas computacionales diseñadas para manejar y obtener información crítica sobre estos grandes conjuntos de datos. El objetivo principal de esta tesis es el desarrollo de una exploración exhaustiva de las posibilidades del aprendizaje automático en bioinformática, con un enfoque específico en problemas como la predicción del inicio de la transcripción y la predicción del fitness en las proteínas. Además, dadas las similitudes entre las secuencias bioinformáticas y el campo del procesamiento del lenguaje natural, la investigación tiene un claro énfasis en el uso de métodos basados en secuencias. Este trabajo ha resultado en la producción de varias contribuciones al campo en forma de tres artículos científicos. Los dos primeros se centran en la predicción del inicio de la transcripción. En el primero de ellos descubrimos que la integración de simulaciones biofísicas en conjunto con la secuencia de ADN puede mejorar los resultados de los métodos de aprendizaje automático. En el segundo, además, llegamos a la conclusión de que, mientras que las máquinas de soporte vectorial han sido una opción muy establecida en el campo de la predicción del inicio de la transcripción, nuestra investigación sugiere que los métodos de aprendizaje profundo los superan, marcando un cambio de paradigma en el área. Además, presentamos conjuntos de datos personalizados a partir de datos de Ensembl, proporcionando un recurso valioso para futuros estudios. El tercer artículo aborda la predicción del fitness en proteínas, específicamente en escenarios con conjuntos de datos escasos y concluye que los métodos de deep transfer learning se establecen como la mejor alternativa ante otras estrategias bien adaptadas a tales situaciones, como los métodos de aprendizaje semi-supervisado., his thesis has been funded through a pre-doctoral grant by the University of Burgos. The work included in this thesis has also been supported by the Junta de Castilla y León under project BU055P20 (JCyL/FEDER, UE), by the Ministry of Science and Innovation under project PID2019-109481GB-I00 and the Junta de Andalucia under project UCO1264182, in both cases co-financed through European Union FEDER funds and by Fundación Bancaria la Caixa under project 2020/00062/001. NVIDIA Corporation donated the TITAN Xp GPUs used in this research.
Repositorio Institucional de la Universidad de Burgos (RIUBU)
Publicación Tesis doctoral (DoctoralThesis)

Técnicas de preprocesamiento en datos anchos, Preprocessing techniques for wide data

  • Ramos Pérez, Ismael
En el aprendizaje automático, especialmente en biología y genómica, los conjuntos de datos son llamados anchos, Los datos anchos contienen una gran cantidad de características pero pocas instancias. Esta alta dimensionalidad dificulta el aprendizaje de los modelos de aprendizaje, causando sobreajuste y sesgos. Para abordar estos problemas, las técnicas de preprocesamiento de datos son fundamentales. Esta tesis explora diversas estrategias de preprocesamiento, como la selección y reducción de características, y el remuestreo para equilibrar las clases. Además de técnicas semi-supervisadas. A través de tres artículos, se comparan diferentes estrategias de preprocesado y, en el campo de la selección de características en aprendizaje semi-supervisado y se propone una nueva taxonomía de algoritmos. Los resultados obtenidos demuestran la importancia de combinar adecuadamente las técnicas de preprocesamiento para obtener modelos más robustos y generales. Esta investigación proporciona una guía práctica para abordar los desafíos planteados por los datos anchos en el aprendizaje automático., The research carried out for the development of this doctoral thesis has been partially funded by the Junta de Castilla y León under project BU055P20 (JCyL/FEDER, UE), by the Spanish Ministry of Science and Innovation (projects PID2020-119894GB-I00 and TED 2021129485B-C43) and by “la Caixa“ Foundation, under agreement LCF/PR/PR18/51130007. The author has been recipient of the predoctoral grant by the Universidad de Burgos., Doctorado en Ingeniería y Tecnologías Industrial, Informática y Civil
Repositorio Institucional de la Universidad de Burgos (RIUBU)
Publicación Tesis doctoral (DoctoralThesis)

Optimization of industrial processes through semi-supervised learning

  • Ramírez Sanz, José Miguel
Enlas últimas décadas, el aprendizaje automático ha adquirido una gran popularidad, que ha ayudado a impulsar su ya creciente desarrollo. Dentro del aprendizaje automático, una nueva técnica llamada aprendizaje semisupervisado es capaz de aprovechar tanto los datos etiquetados comolos noetiquetados. Esto permite desarrollar modelos más precisos y con mejor capacidad de generalización gracias a la información que son capaces de extraer de los datos. La industria ha sido el motor del progreso humano, transformando recursos en bienes y productos de alta complejidad mediante la innovación. Mediante el desarrollo tecnológico y económico, la industria ha permitido que la sociedad avance hacia nuevos horizontes de productividad y calidad de vida. Esta tesis explora aplicaciones del aprendizaje semisupervisado en problemas industriales, con el objetivo de comprender su estado del arte, investigar nuevas metodologías, diseñar modelos y aplicarlos a casos reales en la industria. Las aportaciones más destacables de esta tesis doctoral han sido revisar el estado del arte de la aplicación de métodos de aprendizaje semisupervisado aladetección ydiagnóstico defallos industriales. Se ha investigado y propuesto una nueva taxonomía para una nueva técnica desarrollada a partir del aprendizaje semisupervisado: el aprendizaje semisupervisado seguro. Además, se ha realizado el desarrollo de una versión semisupervisada del método más conocido del grupo de investigación, el Rotation Forest. También se ha elaborado el desarrollo y la aplicación de un método interpretable de selección de características basado en árboles para el problema de selección del método de transporte. Por último, se han aplicado y comparado modelos supervisados y semisupervisados al problema de selección del método de transporte. En resumen, esta tesis doctoral proporciona una contribución significativa al campo del aprendizaje semisupervisado aplicado a la industria, proponiendo nuevas metodologías y modelos que optimizan problemas industriales, validandolos en casos de estudio reales., In recent decades, machine learning has gained great popularity, which has helped boost its already growing development. Within machine learning, a new technique called semi-supervised learning is capable of leveraging both labeled and unlabeled data. This allows it to develop more precise models with better generalization capabilities due to the information they can extract from the data. Industry has been the engine of human progress, transforming resources into complex goods and products through innovation. Technological and economic development has enabled society to advance toward new horizons of productivity and quality of life. This doctoral thesis explores the applications of semi-supervised learning to industrial problems. The main objectives include understanding the state of the art of the applications of this technique to industrial problems, investigating new methodologies developed from this approach, designing new models of this type of learning, and applying them to real-world industrial environments. The main contributions of this doctoral thesis include reviewing the state of the art of semi-supervised learning methods applied to fault detection and diagnosis in industrial settings, highlighting the formulation of a series of best practices to improve future research in this field. Additionally, a new taxonomy has been investigated and proposed for a new technique derived from semi-supervised learning: safe semi-supervised learning. Also the development of a semi-supervised version of the most well-known method from the research group, the Rotation Forest, was also achieved. Moreover, a tree-based interpretable feature selection method was developed and applied to the problem of travel mode choice. Finally, supervised and semi-supervised models were applied and compared for the travel mode choice problem. In summary, this doctoral thesis makes a significant contribution to the field of semi-supervised learning applied to industry, proposing new methodologies and models that optimize industrial problems, validated through real-world case studies., This thesis was supported by the Junta de Castilla y León under project BUR055P20 (JCyL/FEDER, UE), the Ministry of Science and Innovation of Spain under the projects PID2020-119894GB-I00, TED2021129485B-C43 and PID2023-150694OA-I00, co-financed through European Union FEDERfunds. It also was supported through the Consejería de Educación of the Junta de Castilla y León and the European Social Fund through a pre-doctoral grant (EDU/875/2021)., Doctorado en Ingeniería y Tecnologías Industrial, Informática y Civil