Comprender qué hacen los genes–anotaciones funcionales es, sin duda, uno de los desafíos más apremiantes de la investigación biomédica. Sin embargo, debido a la alta complejidad de su desarrollo, la realización de experimentos de laboratorio a gran escala con tal fin, es muchas veces implausible.

En este contexto, los científicos se encuentran en una carrera contra el tiempo para generar anotaciones funcionales a gran escala de manera automática. Mezclando la filogenética con modelos desarrollados para el análisis de redes sociales, en particular, Modelos Exponenciales de Gráfos Aleatorios (ERGMs por sus siglas en inglés), presentamos una metodología de modelamiento evolutivo que es tanto computacionalmente eficiente, como teóricamente robusta.

En términos simples, los modelos de predicción a base de filogenética nos permiten utilizar la información disponible en “genes ya analizados” y extrapolarla a aquellos “no analizados”, sin la necesidad de llevar a cabo experimentos in vivo/vitro. Usando modelos de Markov, podemos caracterizar el proceso en cada evento evolutivo (e.j., eventos de duplicación y especiación) de manera flexible.

No obstante, con un número de parámetros que aumenta exponencialmente, la estrategia común se enfrenta rápidamente a la maldición de la dimensionalidad. Nuestro modelo evita dicho problema utilizando estadísticas suficientes. Las principales contribuciones de nuestro trabajo son tres: evita la “maldición de la dimensionalidad” típicamente experimentada en los modelos de Markov, proporciona una método para realizar pruebas de hipótesis de diferentes teorías de la evolución genética, y más importante, promete mejorar nuestra capacidad predictiva.

Expone: George Vega.
George G. Vega Yon, Ph.D., es un investigador en el Departamento de Medicina Preventiva de la Universidad del Sur de California (USC), Estados Unidos. El Dr. Vega Yon estudia sistemas complejos, sociales y biológicos, desarrollando métodos en base a estadística computacional. Su trabajo ha sido publicado en las revistas científicas “Social Networks”, “PLOS Computational Biology”, “The Stata Journal” y “The Journal of Open Source Software”, entre otros. George es Doctor en Bioestadística de USC, Magíster en Ciencias Sociales del Instituto Tecnológico de California (Caltech), Magíster en Economía y Políticas Públicas e Ingeniero Comercial de la Universidad Adolfo Ibáñez (UAI).

Accede al seminario aquí.
Vía Zoom.
Contacto: investigacionfic@uai.cl