Big behavioral data analysis
- Autores: Jose Antonio Espinosa Carrasco
- Directores de la Tesis: Cedric Notredame (dir. tes.), Mara Dierssen Sotos (codir. tes.)
- Lectura: En la Universitat Pompeu Fabra ( España ) en 2016
- Idioma: español
- Tribunal Calificador de la Tesis: Jacques-Antoine Gauthier (presid.), Andrés Ozaita Mintegui (secret.), Klaus Langohr (voc.)
- Programa de doctorado: Programa de Doctorado en Biomedicina por la Universidad Pompeu Fabra
- Materias:
- Texto completo no disponible (Saber más ...)
- Resumen
El estudio del comportamiento se ha considerado desde hace mucho tiempo una herramienta para descubrir los procesos neuronales i moleculares que lo orquestan. No obstante, las limitaciones de los métodos clásicos para estudiar el comportamiento han impedido el progreso en este campo, y han puesto en duda la reproducibilidad de los resultados. Los principales problemas son que los ensayos simples reducen la complejidad de las respuestas de comportamiento y no captan la dimensión temporal de la conducta porque se basan en variables preseleccionadas. Recientemente, las mejoras tecnológicas han hecho posible desarrollar nuevos métodos para el registro de alto rendimiento (high-throughput) y automatizado del comportamiento. Estos métodos hacen posible el registro de comportamientos longitudinales detallados de una manera sistemática. A pesar de que esta abundancia de datos representa una gran oportunidad para descubrir conexiones entre el comportamiento y el sistema nervioso tanto en individuos sanos como enfermos, la enorme cantidad de registros que generan estos sistemas confronta a los biólogos con el problema del “Big Data”, que requiere el desarrollo de una nueva generación de herramientas de minería de datos. Estas herramientas deben involucrar la integración de datos de diverso origen, el análisis de correlaciones complejas i la visualización multidimensional. En esta tesis, he desarrollado nuevas herramientas para la exploración, integración y el análisis exhaustiva de los datos de comportamiento procedentes de los sistemas de registro de alto rendimiento. Estas herramientas, combinadas con un nuevo conjunto de programario, “Pergola”, aprovechan los formatos estándares usados en genómica y que fueron desarrollados para almacenar y manipular datos continuos acompañados de sus metadatos. También he explorado técnicas de análisis multidimensionales para ayudar a reducir la enorme dimensión espacio-temporal derivada de los registros de comportamiento, y la alta variabilidad asociada a todos los paradigmas empleados en su cuantificación. Les medidas clásicas de una sola variable no son suficientes para detectar la varianza que puede explicar un dominio conductual de interés. Para afrontar este problema hemos adaptado el análisis de componentes principales (ACP, en inglés PCA de Principal Component Analysis) para la inferencia estadística de comportamientos complejos como el reconocimiento de las estrategias de aprendizaje.
