Browsing by Subject "Marcadores"

Now showing 1 - 1 of 1
  • Thumbnail Image
    Item
    Modelo predictivo de resistencia antibiótica en bacterias bucales mediante análisis fenotípico y taxonómico
    (Pontificia Universidad Javeriana Cali, 2025) Sotelo Ariza, Ana Luisa; Barrera Salgado, Jorge Iván; Tobar Tosse, Henry Fabián
    Este proyecto presenta un enfoque de aprendizaje supervisado para predecir resistencia antibiótica en bacterias bucales mediante la integración de características fenotípicas y taxonómicas. Se construyó un flujo de procesamiento y consolidación de datos a partir de cuatro fuentes heterogéneas del repositorio BV-BRC: metadatos de muestras clínicas, identificadores genómicos, información del linaje taxonómico y registros fenotípicos de susceptibilidad a antibióticos. La fase de preprocesamiento incluyó normalización de columnas, depuración de valores faltantes e inconsistentes, eliminación de duplicados, estandarización del nombre científico y procesamiento por bloques para manejar archivos TSV de gran tamaño. Este procedimiento permitió generar un conjunto de datos unificado y estructurado para análisis estadístico y modelado predictivo. Se realizó un análisis exploratorio que caracterizó la distribución de las bacterias por familia, género y especie, así como su relación con los fenotipos de resistencia. Mediante tablas cruzadas, gráficos de barras apiladas y mapas de calor proporcionales, se identificaron grupos taxonómicos con mayor prevalencia de fenotipos resistentes. Posteriormente, se implementó un modelo de regresión logística binaria empleando codificación categórica, validación mediante división train–test y métricas de desempeño como exactitud, precisión, recall y F1-score. El modelo alcanzó un accuracy del 75.2 % y un F1-score de 0.49, resultados que reflejan el desbalance entre clases y la complejidad inherente a la predicción de resistencia antibiótica. No obstante, el análisis de los coeficientes permitió identificar señales fenotípicas y taxonómicas asociadas a niveles diferenciados de resistencia. Los resultados demuestran la viabilidad de este enfoque computacional para caracterizar tendencias de resistencia antibiótica en bacterias bucales y constituyen una base metodológica para el desarrollo de modelos predictivos más robustos, con aplicaciones potenciales en vigilancia epidemiológica y análisis microbiológico basado en datos.