Browsing by Author "Finke Ortiz, Jorge"
Now showing 1 - 4 of 4
Results Per Page
Sort Options
Item Data-driven system identification of the Barabási–Albert Model(Pontificia Universidad Javeriana Cali, 2022) Contreras Franco, David; Finke Ortiz, Jorge; Tobón Llano, Luis EduardoEste trabajo compara los métodos Sparse Identification of Nonlinear Dynamics (SINDy) y Nonlinear AutoRegressive Moving Average with eXogenous input (NARMAX) en la tarea de identificación de dinámicas. La comparación consideró sistemas de ecuaciones diferenciales ordinarias (ODE), como los sistemas caóticos, funciones de transferencia no lineales con entrada aleatoria y la evolución del grado de un nodo del modelo Barabási-Albert (BA), con la extensión de la capacidad para identificar diferentes ecuaciones entre dos nodos con diferentes valores de fitness en un modelo de Bianconi-Barabási. Las métricas de comparación seleccionadas se centran en la representación del modelo, la dispersión, el error de estimación y el tiempo. La comparación indica que SINDy encuentra modelos más dispersos, mientras que NARMAX encuentra modelos que minimizan el error de estimación.Item Detecting Hotspots on Networks(Pontificia Universidad Javeriana, 2018) Campos Bustos, Juan Camilo; Finke Ortiz, JorgeItem Hierarchical multi-label classification methods for gene function prediction(Pontificia Universidad Javeriana Cali, 2022) Romero González, Miguel Ángel; Rocha Niño, Hernán Camilo; Finke Ortiz, JorgeItem Identification of stress-responsive genes in differential co-expression networks(Pontificia Universidad Javeriana Cali, 2023) Riccio Rengifo, Camila; Rocha Niño, Hernán Camilo; Finke Ortiz, JorgeComprender como los organismos responden al estres ambiental es crucial en el campo de la biologia. Los genes que responden al estres desempenan un papel fundamental en esta adaptacion y su identificacion es un desafio significativo. Los enfoques tradicionales para encontrar estos genes tienen limitaciones para capturar las complejas interacciones geneticas que gobiernan las respuestas al estres. Esta tesis introduce el flujo de trabajo de Integracion de Datos de Control-Estres con Agrupacion Superpuesta (CSI-OC por sus siglas en ingles). La aproximación propuesta combina metodos estadisticos y basados en redes para identificar genes que responden al estres. Utiliza metricas de cambio en la expresion genica y construye redes de coexpresion diferencial para analizar las interacciones genicas. Su caracteristica mas distintiva es la capacidad de detectar modulos de genes superpuestos y seleccionar aquellos relacionados con rasgos fenotipicos. El flujo de trabajo se aplica en arroz y cana de azucar, dos cultivos importantes en la agricultura, revelando genes clave relacionados con la respuesta a estres. Estos modulos superpuestos resultan vitales para comprender las redes de co-expresion y la respuesta al estres. La experimentacion con datos sinteticos valida la fiabilidad del flujo de trabajo. En ultima instancia, esta disertacion enriquece el campo de la biologia al proporcionar una herramienta analítica solida para identificar genes que responden al estres. La deteccion de modulos superpuestos representa un progreso notable, reflejando la intrincada dinamica de las interacciones genicas. Ademas, las aplicaciones potenciales de este flujo de trabajo se extienden mas alla de la biología y abarcan areas como la economia y las ciencias sociales, donde entender las interacciones es clave para comprender los fenomenos sistemicos.