Análisis de algoritmos para el agrupamiento de muestras metagenómicas

34 páginas

Autores:
Escobar Vasco, Adriana María
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2016
Institución:
Universidad EIA .
Repositorio:
Repositorio EIA .
Idioma:
spa
OAI Identifier:
oai:repository.eia.edu.co:11190/2292
Acceso en línea:
https://repository.eia.edu.co/handle/11190/2292
Palabra clave:
Metagenómica
K-means
Clusterización
Weka
Metagenomics
Clusterization
Rights
openAccess
License
Derechos Reservados - Universidad EIA, 2016
id REIA2_26f811da1f17686ebc1ce939509ae027
oai_identifier_str oai:repository.eia.edu.co:11190/2292
network_acronym_str REIA2
network_name_str Repositorio EIA .
repository_id_str
dc.title.spa.fl_str_mv Análisis de algoritmos para el agrupamiento de muestras metagenómicas
title Análisis de algoritmos para el agrupamiento de muestras metagenómicas
spellingShingle Análisis de algoritmos para el agrupamiento de muestras metagenómicas
Metagenómica
K-means
Clusterización
Weka
Metagenomics
Clusterization
title_short Análisis de algoritmos para el agrupamiento de muestras metagenómicas
title_full Análisis de algoritmos para el agrupamiento de muestras metagenómicas
title_fullStr Análisis de algoritmos para el agrupamiento de muestras metagenómicas
title_full_unstemmed Análisis de algoritmos para el agrupamiento de muestras metagenómicas
title_sort Análisis de algoritmos para el agrupamiento de muestras metagenómicas
dc.creator.fl_str_mv Escobar Vasco, Adriana María
dc.contributor.advisor.spa.fl_str_mv Bonet Cruz, Isis
dc.contributor.author.spa.fl_str_mv Escobar Vasco, Adriana María
dc.subject.proposal.spa.fl_str_mv Metagenómica
K-means
Clusterización
Weka
Metagenomics
Clusterization
topic Metagenómica
K-means
Clusterización
Weka
Metagenomics
Clusterization
description 34 páginas
publishDate 2016
dc.date.issued.spa.fl_str_mv 2016
dc.date.accessioned.spa.fl_str_mv 2019-05-29T13:17:31Z
dc.date.available.spa.fl_str_mv 2019-05-29T13:17:31Z
dc.type.spa.fl_str_mv Trabajo de grado - Pregrado
dc.type.coar.spa.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.version.spa.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.content.spa.fl_str_mv Text
dc.type.redcol.spa.fl_str_mv https://purl.org/redcol/resource_type/TP
dc.type.coarversion.spa.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
format http://purl.org/coar/resource_type/c_7a1f
status_str publishedVersion
dc.identifier.uri.spa.fl_str_mv https://repository.eia.edu.co/handle/11190/2292
dc.identifier.bibliographiccitation.spa.fl_str_mv Escobar Vasco, A.M. (2016). Análisis de algoritmos para el agrupamiento de muestras metagenómicas (Trabajo de grado). Recuperado de: http://repository.eia.edu.co/handle/11190/2292
url https://repository.eia.edu.co/handle/11190/2292
identifier_str_mv Escobar Vasco, A.M. (2016). Análisis de algoritmos para el agrupamiento de muestras metagenómicas (Trabajo de grado). Recuperado de: http://repository.eia.edu.co/handle/11190/2292
dc.language.iso.spa.fl_str_mv spa
language spa
dc.rights.spa.fl_str_mv Derechos Reservados - Universidad EIA, 2016
dc.rights.uri.spa.fl_str_mv https://creativecommons.org/licenses/by-nc/4.0/
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.creativecommons.spa.fl_str_mv Atribución-NoComercial
dc.rights.coar.spa.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv Derechos Reservados - Universidad EIA, 2016
https://creativecommons.org/licenses/by-nc/4.0/
Atribución-NoComercial
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.mimetype.spa.fl_str_mv application/pdf
dc.publisher.spa.fl_str_mv Universidad EIA
dc.publisher.department.spa.fl_str_mv Administrativa, Financiera, Sistemas y Computación
dc.publisher.editor.spa.fl_str_mv Envigado (Antioquia, Colombia). Universidad EIA, 2016
dc.publisher.program.spa.fl_str_mv Ingeniería de Sistemas y Computación
institution Universidad EIA .
bitstream.url.fl_str_mv https://repository.eia.edu.co/bitstreams/789f3265-c055-4270-9f06-24753663e278/download
https://repository.eia.edu.co/bitstreams/de2b2559-1202-47af-8363-1addb42aa948/download
https://repository.eia.edu.co/bitstreams/8fd18b49-7d8c-46b4-8bdb-3c924c9578a6/download
https://repository.eia.edu.co/bitstreams/abe704b8-0c9b-4895-aa1e-d14e51eb773f/download
bitstream.checksum.fl_str_mv 6ea6f405fe5d4b4082a374a855c51efd
cdc2b0fa1c80db624a55fbbb0cc56056
da9276a8e06ed571bb7fc7c7186cd8fe
930399cd41e005ee129c9e7387a15cd5
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional Universidad EIA
repository.mail.fl_str_mv bdigital@metabiblioteca.com
_version_ 1814100884077936640
spelling Bonet Cruz, Isisc13b9a24cfe250e70b2062e9caa6400d-1Escobar Vasco, Adriana María0033adf447505006b59b009f84d4dd2e-12019-05-29T13:17:31Z2019-05-29T13:17:31Z2016https://repository.eia.edu.co/handle/11190/2292Escobar Vasco, A.M. (2016). Análisis de algoritmos para el agrupamiento de muestras metagenómicas (Trabajo de grado). Recuperado de: http://repository.eia.edu.co/handle/11190/229234 páginasLas formas de vida microscópicas se encuentran en todos los lugares y ambientes del planeta, y en su genética se halla información de gran valor para los científicos, sin embargo al tomar una muestra para estudiarlos solo se logra aislar y cultivar menos del 1% de ellos. La metagenómica nace con el fin de estudiar el otro 99% de la muestra y de descubrir más acerca de estas comunidades. El objetivo de la metagenómica es la secuenciación y el análisis de los genes contenidos en los cromosomas de microorganismos, esfuerzos en los cuales se enfoca el presente proyecto. Para la realización del proyecto se utiliza el programa weka y el algoritmo k-means, implementado en una versión iterativa que utiliza la distancia coseno o euclidiana dependiendo del criterio del experto. Además utiliza cómo parámetro las distancias entre los clústeres para escoger los mejores y optimizar los resultados de la segunda iteración. Con en desarrollo de este proyecto se llega a la conclusión que el k-means iterativo es una mejora al k-means, optimizando los resultados y encontrando clústeres más puros. También se encuentra que los resultados obtenidos con la función de distancia coseno son mejores que aquellos obtenidos con la función euclidiana y que el mejor atributo para describir las distancias es el 4-mer.PregradoIngeniero(a) de Sistemas y Computaciónapplication/pdfspaUniversidad EIAAdministrativa, Financiera, Sistemas y ComputaciónEnvigado (Antioquia, Colombia). Universidad EIA, 2016Ingeniería de Sistemas y ComputaciónDerechos Reservados - Universidad EIA, 2016https://creativecommons.org/licenses/by-nc/4.0/El autor de la obra, actuando en nombre propio, hace entrega del ejemplar respectivo y de sus anexos en formato digital o electrónico y autoriza a la ESCUELA DE INGENIERIA DE ANTIOQUIA, para que en los términos establecidos en la Ley 23 de 1982, Ley 44 de 1993, Decisión andina 351 de 1993, Decreto 460 de 1995, y demás normas generales sobre la materia, utilice y use por cualquier medio conocido o por conocer, los derechos patrimoniales de reproducción, comunicación pública, transformación y distribución de la obra objeto del presente documento. PARÁGRAFO: La presente autorización se hace extensiva no sólo a las dependencias y derechos de uso sobre la obra en formato o soporte material, sino también para formato virtual, electrónico, digital, y en red, internet, extranet, intranet, etc., y en general en cualquier formato conocido o por conocer. EL AUTOR, manifiesta que la obra objeto de la presente autorización es original y la realiza sin violar o usurpar derechos de autor de terceros, por lo tanto la obra es de exclusiva autoría y tiene la titularidad sobre la misma. PARÁGRAFO: En caso de presentarse cualquier reclamación o acción por parte de un tercero en cuanto a los derechos de autor sobre la obra en cuestión, EL AUTOR, asumirá toda la responsabilidad, y saldrá en defensa de los derechos aquí autorizados; para todos los efectos la ESCUELA DE INGENIERÍA DE ANTIOQUIA actúa como un tercero de buena fe.info:eu-repo/semantics/openAccessAtribución-NoComercialhttp://purl.org/coar/access_right/c_abf2Análisis de algoritmos para el agrupamiento de muestras metagenómicasTrabajo de grado - Pregradohttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/publishedVersionTexthttps://purl.org/redcol/resource_type/TPhttp://purl.org/coar/version/c_970fb48d4fbd8a85MetagenómicaK-meansClusterizaciónWekaMetagenomicsClusterizationINFO0063PublicationTHUMBNAILEscobarAdriana_2016_AnalisisAlgoritmosAgrupamiento.pdf.jpgEscobarAdriana_2016_AnalisisAlgoritmosAgrupamiento.pdf.jpgGenerated Thumbnailimage/jpeg7623https://repository.eia.edu.co/bitstreams/789f3265-c055-4270-9f06-24753663e278/download6ea6f405fe5d4b4082a374a855c51efdMD54ORIGINALEscobarAdriana_2016_AnalisisAlgoritmosAgrupamiento.pdfEscobarAdriana_2016_AnalisisAlgoritmosAgrupamiento.pdfTrabajo de gradoapplication/pdf968808https://repository.eia.edu.co/bitstreams/de2b2559-1202-47af-8363-1addb42aa948/downloadcdc2b0fa1c80db624a55fbbb0cc56056MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-82515https://repository.eia.edu.co/bitstreams/8fd18b49-7d8c-46b4-8bdb-3c924c9578a6/downloadda9276a8e06ed571bb7fc7c7186cd8feMD52TEXTEscobarAdriana_2016_AnalisisAlgoritmosAgrupamiento.pdf.txtEscobarAdriana_2016_AnalisisAlgoritmosAgrupamiento.pdf.txtExtracted texttext/plain47819https://repository.eia.edu.co/bitstreams/abe704b8-0c9b-4895-aa1e-d14e51eb773f/download930399cd41e005ee129c9e7387a15cd5MD5311190/2292oai:repository.eia.edu.co:11190/22922023-07-25 16:57:32.805https://creativecommons.org/licenses/by-nc/4.0/Derechos Reservados - Universidad EIA, 2016open.accesshttps://repository.eia.edu.coRepositorio Institucional Universidad EIAbdigital@metabiblioteca.comICAgICAgICAgICAgICAgICAgICAgICAgPGNlbnRlcj5BVklTTyBERSBQUklWQUNJREFEPC9jZW50ZXI+CgpMYSBFc2N1ZWxhIGRlIEluZ2VuaWVyw61hIGRlIEFudGlvcXVpYSBhIHRyYXbDqXMgZGUgZXN0ZSBhdmlzbywgaW5mb3JtYSBhIGxvcyB0aXR1bGFyZXMgZGUgZGF0b3MgcGVyc29uYWxlcyBxdWUgc2UgZW5jdWVudHJlbiBlbiBzdXMgYmFzZXMgZGUgZGF0b3MgcXVlIGxhcyBwb2zDrXRpY2FzIGRlIHRyYXRhbWllbnRvIGRlIGRhdG9zIHBlcnNvbmFsZXMgbGEgRUlBIHNvbjoKCkFsIHRpdHVsYXIgZGUgbG9zIGRhdG9zIHBlcnNvbmFsZXMgZW4gdHJhdGFtaWVudG8sIHNlIGxlIHJlc3BldGFyw6FuIHN1cyBkZXJlY2hvcyBhIGNvbm9jZXIgw61udGVncmFtZW50ZSB5IGRlIGZvcm1hIGdyYXR1aXRhIHN1cyBkYXRvcyBwZXJzb25hbGVzLCBhc8OtIGNvbW8gYSBhY3R1YWxpemFybG9zIHkgcmVjdGlmaWNhcmxvcyBmcmVudGUgYSBsYSBFSUEgbyBsb3MgZW5jYXJnYWRvcyBkZWwgdHJhdGFtaWVudG8uCgpBbCB0aXR1bGFyIGRlIGxvcyBkYXRvcyBwZXJzb25hbGVzIGVuIHRyYXRhbWllbnRvLCBwb2Ryw6EgY29ub2NlciBlbCB1c28gcXVlIHNlIGxlIGhhIGRhZG8gYSBzdXMgZGF0b3MgcGVyc29uYWxlcywgcHJldmlhIHNvbGljaXR1ZC4KCkVsIHRpdHVsYXIgZGUgbG9zIGRhdG9zIHBlcnNvbmFsZXMgZW4gdHJhdGFtaWVudG8sIHBvZHLDoSBzb2xpY2l0YXIgcHJ1ZWJhIGRlIGxhIGF1dG9yaXphY2nDs24gb3RvcmdhZGEgYSBsYSBFSUEuIHNhbHZvIGN1YW5kbyBleHByZXNhbWVudGUgc2UgZXhjZXB0w7plIGNvbW8gcmVxdWlzaXRvIHBhcmEgZWwgdHJhdGFtaWVudG8sIGRlIGNvbmZvcm1pZGFkIGNvbiBsYSBsZXkuCgpFbCB0aXR1bGFyIGRlIGxvcyBkYXRvcyBwdWVkZSByZXZvY2FyIGxhIGF1dG9yaXphY2nDs24geSBzb2xpY2l0YXIgbGEgc3VwcmVzacOzbiBkZWwgZGF0byBjdWFuZG8gZW4gZWwgdHJhdGFtaWVudG8gbm8gc2UgcmVzcGV0ZW4gbG9zIHByaW5jaXBpb3MsIGRlcmVjaG9zIHkgZ2FyYW50w61hcyBjb25zdGl0dWNpb25hbGVzIHkgbGVnYWxlcy4gTGEgcmV2b2NhdG9yaWEgeSBzdXByZXNpw7NuIHByb2NlZGVyw6EgY3VhbmRvIGxhIFN1cGVyaW50ZW5kZW5jaWEgZGUgSW5kdXN0cmlhIHkgQ29tZXJjaW8gKFNJQykgaGF5YSBkZXRlcm1pbmFkbyBxdWUgZW4gZWwgdHJhdGFtaWVudG8sIGxhIEVTQ1VFTEEgREUgSU5HRU5JRVLDjUEgREUgQU5USU9RVUlBIGhhIGluY3VycmlkbyBlbiBjb25kdWN0YXMgY29udHJhcmlhcyBhIGVzdGEgTGV5IHkgYSBsYSBDb25zdGl0dWNpw7NuIFBvbMOtdGljYS4KClBhcmEgZWZlY3RvcyBkZSBlamVyY2VyIHN1cyBkZXJlY2hvcyBkZSBjb25vY2VyLCBhY3R1YWxpemFyLCByZWN0aWZpY2FyIHkgc3VwcmltaXIgaW5mb3JtYWNpw7NuLCByZXZvY2FyIGxhIGF1dG9yaXphY2nDs24sIGVudHJlIG90cm9zOyBlbCB0aXR1bGFyIGRlIGxvcyBkYXRvcyBwb2Ryw6EgYWN1ZGlyIGEgbGEgRVNDVUVMQSBERSBJTkdFTklFUsONQSBERSBBTlRJT1FVSUEsIGNvbW8gcmVzcG9uc2FibGUgZGVsIHRyYXRhbWllbnRvIGRlIGRhdG9zIGFsIMOhcmVhIGRlIGNvbXVuaWNhY2lvbmVzLCBtZWRpYW50ZSBjb3JyZW8gZWxlY3Ryw7NuaWNvIGEgd2VibWFzdGVyQGVpYS5lZHUuY28gLgoKRW4gY2FzbyBkZSBpbmZyYWNjaW9uZXMgYSBsYSBsZXkgMTU4MSBkZSAyMDEyLCBlbCB0aXR1bGFyIGRlIGxvcyBkYXRvcyBwb2Ryw6EgcHJlc2VudGFyIHF1ZWphIGFudGUgbGEgU3VwZXJpbnRlbmRlbmNpYSBkZSBJbmR1c3RyaWEgeSBDb21lcmNpbyAoU0lDKS4KCkVsIHRpdHVsYXIgc2Vyw6EgaW5mb3JtYWRvIGFjZXJjYSBkZSBsYSBubyBvYmxpZ2F0b3JpZWRhZCBkZSBsYXMgcmVzcHVlc3RhcyBhIGxhcyBwcmVndW50YXMgcXVlIGxlIHNlYW4gaGVjaGFzLCBjdWFuZG8gw6lzdGFzIHZlcnNlbiBzb2JyZSBkYXRvcyBzZW5zaWJsZXMsIHRhbGVzIGNvbW8gb3JpZ2VuIHJhY2lhbCBvIMOpdG5pY28sIG9yaWVudGFjacOzbiBwb2zDrXRpY2EsIGNvbnZpY2Npb25lcyByZWxpZ2lvc2FzICwgcGVydGVuZW5jaWEgYSBzaW5kaWNhdG9zLCBvcmdhbml6YWNpb25lcyBzb2NpYWxlcyBkZSBkZXJlY2hvcyBodW1hbm9zLCBkYXRvcyByZWxhdGl2b3MgYSBsYSBzYWx1ZCwgYSBsYSB2aWRhIHNleHVhbCB5IGRhdG9zIGJpb23DqXRyaWNvcyBvIHNvYnJlIGxvcyBkYXRvcyBkZSBsb3MgbmnDsW9zLCBuacOxYXMgeSBhZG9sZXNjZW50ZXMuCgpFbCB0aXR1bGFyIHBvZHLDoSBjb25vY2VyIG51ZXN0cmEgcG9sw610aWNhIGRlIHRyYXRhbWllbnRvLCBsb3MgZGF0b3Mgc3VzdGFuY2lhbGVzIHF1ZSBzZSBsbGVndWVuIGEgcHJvZHVjaXIgZW4gZWwgcHJlc2VudGUgYXZpc28gbyBlbiBsYXMgcG9sw610aWNhcyBkZSB0cmF0YW1pZW50bywgc2Vyw6FuIHB1YmxpY2FkYXMgZW4gbnVlc3RybyBzaXRpbyB3ZWIsIG1lZGlvIGVsZWN0csOzbmljbyBoYWJpdHVhbCBkZSBjb250YWN0byBjb24gbG9zIHRpdHVsYXJlcy4KCg==