BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//Departamento de Computación - ECPv6.15.18//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-ORIGINAL-URL:https://www.dc.uba.ar
X-WR-CALDESC:Eventos para Departamento de Computación
REFRESH-INTERVAL;VALUE=DURATION:PT1H
X-Robots-Tag:noindex
X-PUBLISHED-TTL:PT1H
BEGIN:VTIMEZONE
TZID:America/Sao_Paulo
BEGIN:STANDARD
TZOFFSETFROM:-0300
TZOFFSETTO:-0300
TZNAME:-03
DTSTART:20200101T000000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20211229T140000
DTEND;TZID=America/Sao_Paulo:20211229T150000
DTSTAMP:20260426T053226
CREATED:20211228T120354Z
LAST-MODIFIED:20211228T120354Z
UID:7280-1640786400-1640790000@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Maximiliano Rey
DESCRIPTION:Título: Predicción de especificidad de unión de receptores de células T mediante kmeros.\nDirector: Esteban Lanzarotti\nJurados: Pablo Turjanski\, Matías López Rosenfeld y Alejandro Nadra. \n\nResumen: \nEl presente proyecto propone un modelo algorítmico para identificar el antígeno reconocido por el receptor de una célula T\, llamado TCR\, usando solamente la secuencia de aminoácidos de este último. El sistema propuesto utiliza una base de datos con información de TCRs conocidos y los respectivos antígenos identificados por ellos. A partir de las secuencias de estos TCRs\, el modelo genera todas las subsecuencias de un determinado largo y luego aplica la estadística buscando aquellas subsecuencias relevantes para que el reconocimiento suceda. El sistema recibe un TCR del cuál se quiere saber qué antígeno reconoce. Al igual que en el paso anterior\, se calculan todas las subsecuencias posibles de largo fijo a partir de su secuencia. Finalmente\, se utilizan las estadísticas calculadas anteriormente para determinar a qué antígeno es más afín el TCR. En esta tesis se intenta buscar cual es el largo óptimo para las subsecuencias analizadas\, en dos cadenas distintas que integran el TCR. Se probó el sistema en TCRs de ratones y de humanos y el largo óptimo resultó ser el mismo en ambas especies. Las predicciones van acompañadas con un índice de especificidad\, el mismo muestra qué tan probable es que el TCR de entrada sea afín al antígno predicho y no lo sea hacia otros antígenos. En este proyecto no sólo se analizó la cadena beta de los TCRs\, como en otros estudios de bioinformática\, sino que también se incluyó la cadena alfa. Si bien esto limitó los datos que pudimos obtener para entrenar y testear el algoritmo\, ya que existen menos TCRs de los cuales se conocen ambas cadenas\, los resultados fueron cercanos al 70%. Además\, la especificidad logró ser una buena medida para descartar predicciones erróneas. Existe un valor de especificidad relativamente bajo en el cual el coeficiente de Matthews es alto al evaluar si una predicción es correcta o no\, utilizando dicho valor como punto de corte. El método analizado en la tesis es aplicado a la unión TCR-antígeno pero el problema que resuelve es más amplio. Este sistema podría adaptarse a otros casos de interacción entre proteínas.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-maximiliano-rey/
CATEGORIES:Agenda
END:VEVENT
END:VCALENDAR