coolneng
/
bachelor-thesis
1
0
Fork 0
Code Issues Pull Requests Projects Releases Wiki Activity

Add conclusions

This commit is contained in:
coolneng 2021-07-07 17:12:55 +02:00
parent 6270023c87
commit ae5a1b977d
Signed by: coolneng
GPG Key ID: 9893DA236405AF57
2 changed files with 3 additions and 0 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

3
Dissertation.org
View File

@ -443,6 +443,9 @@ Presentamos las métricas obtenidas al finalizar el entrenamiento de locimend:
En definitiva, locimend adquirió una gran capacidad para discernir entre nucleótidos erróneos y correctos, en ambos /datasets/, con una precisión de 0,89 y un área bajo la curva (AUC) de 0,98. En definitiva, locimend adquirió una gran capacidad para discernir entre nucleótidos erróneos y correctos, en ambos /datasets/, con una precisión de 0,89 y un área bajo la curva (AUC) de 0,98.
* Conclusiones * Conclusiones
El presente estudio plantea el desarrollo de un sistema bioinformático (denominado locimend) de corrección de errores de secuenciación del ADN, basado en /Deep Learning/, y aplicado a secuencias de la región CDR3 del TCR. Locimend fue entrenado con datos generados /in silico/ (en este mismo proyecto) y demuestra un alto rendimiento de predicción y corrección de errores de secuenciación, comparado con las técnicas utilizadas en el estado del arte. El algoritmo opera sobre secuencias de ADN, lo cual permite una fácil integración en el flujo de trabajo de un sistema bioinformático.
* Futuras mejoras * Futuras mejoras
Los resultados del algoritmo de /Deep Learning/ son satisfactorios aunque presenta ciertas limitaciones. Los resultados del algoritmo de /Deep Learning/ son satisfactorios aunque presenta ciertas limitaciones.

BIN
Dissertation.pdf
View File

Binary file not shown.