Modelos markovianos para secuencias y aplicaciones a la predicción de genes.

Abstract

En esta Tesis se estudian técnicas para modelar secuencias de datos, en particular secuencias de ADN. Si bien las técnicas de secuenciación de genomas han avanzado mucho en estos últimos años, las herramientas para la anotación, es decir para la identificación de las regiones codificantes o genes, no se han desarrollado con la misma velocidad, por lo que es de gran importancia el estudio y perfeccionamiento de procedimientos que permitan la predicción de genes. Como posibles predictores de genes se estudian los modelos de Markov ocultos (HMM) y modelos probabilísticos condicionados como los modelos de Markov de máxima entropía (MEMM) y los campos aleatorios condicionados (CRF), con un especial énfasis en los primeros. Se detallan los algoritmos de entrenamiento y posterior inferencia de los HMM y se aplican al caso particular de búsqueda de genes VSG en Trypanosoma brucei.