Estudio de la resistencia de plantas chilenas a la sequía en función de su información genética
Un importante porcentaje de las especies vegetales, principal fuente de calorías y base de cerca del 25% de todas las medicinas generadas por el hombre, son sensibles a la sequía. El cambio climático ha y seguirá incrementado la amenaza de sequía en un importante porcentaje de las áreas en las cuales se cultivan estas especies vegetales. Por ende, es imperativo identificar mecanismos genéticos que permitan a estos cultivos resistir dicha amenaza. Sin embargo, actualmente poco se conoce respecto de cuáles son los genes involucrados en la resistencia a sequía y cuáles son sus funciones.
La capacidad de las especies vegetales para sobrevivir a períodos de sequía está, en parte, determinada por sus características metabólicas, las cuales son especificadas por la información genética de la especie en cuestión. Usando una base de datos disponible que relaciona la presencia/expresión de genes (input) y el perfil metabólico de la planta (output), este proyecto de tesis busca aprender y evaluar la calidad de dichas relaciones para luego determinar si una nueva especie, representada mediante su perfil genético, tiene el potencial metabólico para resistir a la sequía. Dicha información podría, a su vez, ser utilizada para investigar mecanismos moleculares que permitan incrementar la resistencia a sequía de cultivos comerciales.
El problema anterior puede ser presentado como uno de clasificación y abordado usando algoritmos de aprendizaje de máquinas tales como regresión logística o modelos lineales generalizados, redes neuronales, “support vector machines” o procesos gaussianos. Para esto, la base de datos disponible que relaciona perfiles genéticos con perfiles metabólicos será usada para entrenar dichos algoritmos, los cuales serán posteriormente aplicados a perfiles genéticos de nuevas especies para predecir su perfil metabólico y consecuentemente determinar su potencial de resistencia a la sequía.
Este trabajo de tesis (o memoria) será remunerado, tendrá una duración máxima de un año, y será supervisado por Ricardo Nilo Poyanco (Centro de Regulación del Genoma) y Felipe Tobar (Centro de Modelamiento Matemático). El postulante puede ser de cualquier carrera afín a la ingeniería, ciencias biológicas, físicas o matemáticas, pero con entendimiento, al menos básico, de aprendizaje de máquinas y problemas de regresión y/o clasificación, además de la disposición de aprender técnicas más avanzadas. Este trabajo se ejecutará en el marco de la colaboración de los proyectos:
– FONDECYT de Iniciación (PI: R. Nilo_Poyanco): Identification of the molecular mechanisms involved in the response to water deficit in Atacama/Andes native plants and their potential use as a source for increasing resilience to water deficit in crops.
– CONICYT-PAI (PI: F. Tobar): Machine Learning Meets Signal Processing: A Novel Framework for Multivariate Adaptive Estimation.
¿Quieres dejar un comentario ?