| Título : | Búsqueda mediante aprendizaje automático de nuevos genes ciliares |
| Autor(es) : | Torriglia, Emilia Irigoin, Florencia Romanelli-Cedrez, Laura Pazos Obregón, Flavio |
| Fecha de publicación : | 5-nov-2025 |
| Tipo de publicación: | Documento de conferencia |
| Versión: | Publicado |
| Publicado en: | 1° Congreso CICADA: Ciencia de Datos, Aprendizaje Automático e Inteligencia Artificial. Facultad de Ingeniería (Udelar), Mdeo, UY. 5-7/11/2025 |
| Areas del conocimiento : | Ciencias Naturales y Exactas Ciencias de la Computación e Información Ciencias de la Información y Bioinformática |
| Otros descriptores : | cilia predicción de función Caenorhabditis elegans machine learning aprendizaje automático |
| Resumen : | La cilia primaria es un organelo conservado a nivel evolutivo, presente en la mayoría de las células de vertebrados y en algunas células neuronales de invertebrados. Su función principal es la señalización y comunicación de la célula con el entorno, aunque aún no se conoce por completo el conjunto de proteínas que conforman y mantienen el funcionamiento de la cilia. Caenorhabditis elegans es un modelo ampliamente utilizado en el estudio de este organelo debido a que su fisiología y anatomía permiten simplificar procedimientos y trasladar conocimientos adquiridos a otras especies, como Homo sapiens o Mus musculus. Nuestra hipótesis es que los genes ciliares de C. elegans comparten características independientes de la homología de secuencia que permiten su identificación. |
| URI / Handle: | https://hdl.handle.net/20.500.12381/5684 |
| Institución responsable del proyecto: | Institut Pasteur de Montevideo Instituto de Investigaciones Biológicas Clemente Estable Facultad de Medicina, Universidad de la República |
| Nivel de Acceso: | Acceso abierto |
| Licencia CC: | Reconocimiento 4.0 Internacional. (CC BY) |
| Aparece en las colecciones: | Institut Pasteur de Montevideo |
Archivos en este ítem:
| archivo | Descripción | Tamaño | Formato | ||
|---|---|---|---|---|---|
| Poster CICADA.pdf | Descargar | 1.21 MB | Adobe PDF |
Las obras en REDI están protegidas por licencias Creative Commons.
Por más información sobre los términos de esta publicación, visita:
Reconocimiento 4.0 Internacional. (CC BY)
