Repository logo
  • Communities & Collections
  • All of DSpace
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Italiano
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Suomi
  • Svenska
  • Türkçe
  • Tiếng Việt
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Yкраї́нська
  • Log In
    New user? Click here to register.Have you forgotten your password?
  1. Home
  2. Browse by Subject

Browsing by Subject "Puccinia sorghi"

Now showing 1 - 1 of 1
Results Per Page
Sort Options
  • Loading...
    Thumbnail Image
    Item
    Modelo de redes complejas y aprendizaje automático para optimización in-silico de la resistencia de Zeamays (maíz) a Puccinia sorghi (roya común del maíz)
    (Pontificia Universidad Javeriana Cali, 2023) Ramírez Rico, Oscar Mauricio; Rocha Niño, Hernán Camilo; Finke Ortiz, Jorge
    La identificación del grupo de genes asociado a una función biológica específica desempeña un papel fundamental en la comprensión del funcionamiento del genoma de una especie. Este conocimiento acerca de la función de un genoma resulta relevante para intervenir en diversos procesos biológicos, como, por ejemplo, los diferentes tipos de estrés que podrían afectar el desarrollo de un organismo. En este trabajo, se lleva a cabo un estudio sobre la expresión de genes y sus funciones biológicas en el maíz (Zea mays), enfocándose particularmente en su respuesta al estrés provocado por la roya común (Puccinia sorghi). El objetivo principal fue predecir las anotaciones funcionales del genoma y, a partir de estas, predecir la capacidad de un conjunto de genes para resistir el estrés. Esto permitirá disminuir la cantidad de genes que requieren validación experimental in vivo, optimizando tanto el tiempo de investigación como la eficiente utilización de recursos disponibles. Para alcanzar tal propósito, se emplea una metodología in silico fundamentada en la asociación de anotaciones funcionales del genoma y en la clasificación de genes que demuestran resistencia al estrés. Estas predicciones se realizan utilizando técnicas de aprendizaje automático supervisado, tomando en cuenta la información de anotaciones funcionales previamente identificadas en la literatura, así como bases de datos conocidas y las propiedades topológicas de la red de coexpresión del maíz. Estas anotaciones funcionales resultan fundamentales para analizar los procesos biológicos relacionados con esta enfermedad y desempeñan un papel clave en la mejora de la resistencia al estrés ambiental en el maíz. Los genes identificados como resistentes pueden ser de gran ayuda al reducir el conjunto de genes candidatos que deben someterse a validación in vivo en respuesta a un tratamiento específico.
logo-javeriana

Pontificia Universidad Javeriana Cali

Calle 18 No 118-250 Cali, Colombia

Teléfono:(+57) 602-321-82-00/602-485-64-00 - Línea gratuita nacional 01-8000-180556

Contacto repositorio Vitela: vitela@javerianacali.edu.co