El lunes 21 de julio a las 11:300 en el Salón de Grados, ha tenido lugar la lectura de tesis de Dª. Pelin Gundogdu's, titulada “A biologically enhanced interpretable model and its implementation for cell type prediction and annotation”. Los directores han sido D. Joaquín Dopazo Blazquez y D. Carlos Loucera Muñecas, y la tutora Dª. Isabel Nepomuceno Chamorro.
Esta tesis tiene como objetivo el desarrollo de modelos de aprendizaje profundo mejorados biológicamente, fáciles de implementar y desplegar, diseñados específicamente para la predicción de tipos celulares, la anotación y la caracterización funcional utilizando datos de scRNAseq.
La idea principal consiste en integrar el conocimiento biológico prexi vio, particularmente de las rutas de señalización celular, con el fin de constreñir los grados de libertad del modelo y mejorar su interpretabilidad sin comprometer las excelentes capacidades de reconocimiento de patrones ofrecidas por los modelos tradicionales tipo “caja negra”. En resumen, el modelo deberá inferir/predecir la actividad de señalización a resolución de célula única.
Para alcanzar estos objetivos, la investigación se centró en varias áreas clave, todas orientadas en avanzar el análisis de datos de secuenciación de ARN de célula única (scRNA-seq) a través del aprendizaje profundo interpretable. Con el fin de superar las limitaciones de los métodos computacionales existentes en el manejo de datos scRNA-seq de alta dimensión y ruidosos , se estableció como objetivo principal la investigación, desarrollo e implementación de modelos de aprendizaje profundo con arquitecturas altamente dispersas gracias a la inclusión de capas informadas mediante la integración de conocimiento biológico.
Estos modelos fueron diseñados específicamente para abordar el desafío crítico de la identificación y clasificación de tipos celulares, abordando no solo la anotación de tipos celulares conocidos y bien caracterizados, sino también el problema más complejo de identificar tipos celulares previamente no vistos o desconocidos, una ocurrencia frecuente debido a conjuntos de datos de referencia incompletos. Finalmente, se marcó como objetivo metodológico construir modelos capaces de inferir la actividad de señalización a resolución celular de forma no supervisada (i.e. sin necesidad de etiquetados previos de las células).
¡Enhorabuena a doctorando directoras!
Fuente: Gabinete de Comunicación de la ETSII.