Global ETD Search

21	Statistical Machine Learning in Biomedical Engineering González Cebrián, Alba 15 April 2024 (has links) [ES] Esta tesis, desarrollada bajo una beca de formación de personal investigador de la Universitat Politècnica de València, tiene como objetivo proponer y aplicar metodologías de Statistical Machine Learning en contextos de Ingeniería Biomédica. Este concepto pretende aunar el uso de modelos de aprendizaje automático junto con la búsqueda de comprensión e interpretabilidad clásica del razonamiento estadístico, dando lugar a soluciones tecnológicas de problemas biomédicos que no pasen únicamente por el objetivo de optimizar el desempeño predictivo de los modelos. Para ello, se han dibujado dos objetivos principales que vertebran además el documento: proponer metodologías novedosas dentro del paraguas del Statistical Machine Learning, y aplicar soluciones a problemas biomédicos reales manteniendo esta filosofía en mente. Estos objetivos se han materializado en contribuciones metodológicas para la simulación de valores atípicos y la imputación de datos faltantes en presencia de datos atípicos, y en contribuciones aplicadas a casos reales para la mejora de procesos de atención médica, la mejora en el diagnóstico y pronóstico de enfermedades, y la estandarización de procedimientos de medición en entornos biotecnológicos. Dichas contribuciones se han artículado en capítulos correspondientes a las dos partes principales ya mencionadas. Finalmente, las conclusiones y líneas futuras cierran el documento, recalcando los mensajes principales de las contribuciones de la tesis doctoral en general, y sentando además las bases para líneas futuras que se han dibujado a consecuencia del trabajo realizado a lo largo del doctorado. / [CA] Aquesta tesi, desenvolupada sota una beca de formació de personal investigador de la Universitat Politècnica de València, té com a objectiu proposar i aplicar metodologies de Statistical Machine Learning en contextos d'Enginyeria Biomèdica. Aquest concepte pretén unir l'ús de models d'aprenentatge automàtic juntament amb la cerca de comprensió i interpretació clàssica del raonament estadístic, donant lloc a solucions tecnològiques de problemes biomèdics que no passen únicament per l'objectiu d'optimitzar el rendiment predictiu dels models. Per a això, s'han dibuixat dos objectius principals que vertebren a més el document: proposar metodologies noves dins del paraigua del Statistical Machine Learning, i aplicar solucions a problemes biomèdics reals mantenint aquesta filosofia en ment. Aquests objectius s'han materialitzat en contribucions metodològiques per a la simulació de valors atípics i la imputació de dades mancants en presència de valors atípics, i en contribucions aplicades a casos reals per a la millora de processos d'atenció mèdica, la millora en el diagnòstic i pronòstic de malalties, i l'estandardització de procediments de mesurament en entorns biotecnològics. Aquestes contribucions s'han articulat en capítols corresponents a les dues parts principals ja esmentades. Finalment, les conclusions i línies futures tanquen el document, recalant els missatges principals de les contribucions, de la tesi doctoral en general, i assentant a més les bases per a línies futures que s'han dibuixat com a consequència del treball realitzat al llarg del doctorat. / [EN] This thesis, developed under a research personnel formation grant from the Universitat Politècnica de València, aims to propose and apply methodologies of Statistical Machine Learning in Biomedical Engineering contexts. This concept seeks to combine machine learning models with the classic understanding and interpretability of statistical reasoning, resulting in technological solutions for biomedical problems that go beyond solely optimizing the predictive performance of models. To achieve this, two main objectives have been outlined, which also structure the document: proposing novel methodologies within the umbrella of Statistical Machine Learning and applying solutions to real biomedical problems while keeping this philosophy in mind. These objectives have materialized into methodological contributions for simulating outliers and imputing missing data in the presence of outliers and applied contributions to real cases for improving healthcare processes, enhancing disease diagnosis and prognosis, and standardizing measurement procedures in biotechnological environments. These contributions are articulated in chapters corresponding to the aforementioned two main parts. Finally, the conclusions and future lines of research conclude the document, reiterating the main messages of the contributions and the overall doctoral thesis and laying the groundwork for future lines of inquiry stemming from the work conducted throughout the doctorate. / González Cebrián, A. (2024). Statistical Machine Learning in Biomedical Engineering [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/203529 Biomedical engineering Statistical Machine Learning Latent Variable-based Models Multivariate Analysis Principal Component Analysis (PCA) Data Science Outliers Missing Data Medicine 4.0 Modelos de Variables Latentes Medicina 4.0 Ciencia de datos Datos anómalos Datos faltantes Análisis multivariante Ingeniería biomédica ESTADISTICA E INVESTIGACION OPERATIVA
22	Development of high-performance algorithms for a new generation of versatile molecular descriptors. The Pentacle software Durán Alcaide, Ángel 04 March 2010 (has links) The work of this thesis was focused on the development of high-performance algorithms for a new generation of molecular descriptors, with many advantages with respect to its predecessors, suitable for diverse applications in the field of drug design, as well as its implementation in commercial grade scientific software (Pentacle). As a first step, we developed a new algorithm (AMANDA) for discretizing molecular interaction fields which allows extracting from them the most interesting regions in an efficient way. This algorithm was incorporated into a new generation of alignmentindependent molecular descriptors, named GRIND-2. The computing speed and efficiency of the new algorithm allow the application of these descriptors in virtual screening. In addition, we developed a new alignment-independent encoding algorithm (CLACC) producing quantitative structure-activity relationship models which have better predictive ability and are easier to interpret than those obtained with other methods. / El trabajo que se presenta en esta tesis se ha centrado en el desarrollo de algoritmos de altas prestaciones para la obtención de una nueva generación de descriptores moleculares, con numerosas ventajas con respecto a sus predecesores, adecuados para diversas aplicaciones en el área del diseño de fármacos, y en su implementación en un programa científico de calidad comercial (Pentacle). Inicialmente se desarrolló un nuevo algoritmo de discretización de campos de interacción molecular (AMANDA) que permite extraer eficientemente las regiones de máximo interés. Este algoritmo fue incorporado en una nueva generación de descriptores moleculares independientes del alineamiento, denominados GRIND-2. La rapidez y eficiencia del nuevo algoritmo permitieron aplicar estos descriptores en cribados virtuales. Por último, se puso a punto un nuevo algoritmo de codificación independiente de alineamiento (CLACC) que permite obtener modelos cuantitativos de relación estructura-actividad con mejor capacidad predictiva y mucho más fáciles de interpretar que los obtenidos con otros métodos. Diseño Factorial Fraccionado (FFD) Partial Least Squares (PLS) (PCA) Análisis de componentes principales Sonda Consistente Interacciones relevantes Velocidad Interpretación AMANDA Correlation (CLACC) Relación estructura actividad GRIND-2 (GRIND) GRID Independent Descritpors Campos de interacción molecular (MIF) Pentacle Métodos computacionales Qt Lenguajes de programación Interfaz de usuario Software Modelos software Modelo espiral Eficiencia Altas prestaciones Codificación Discretización Algoritmo Based Virtual Screening (LBVS) Ligand Drug Discovery (CADD) Computer Assisted Drug Design Prediction (SDEP) Standard Deviation of Error (FFD) Partial Least Squares (PLS) Analysis (PCA) Principal Component Probe Consistent Relevant Interactions Speed Interpretation AMANDA Correlation (CLACC) Screening (VS) Consistently Large Auto and Cross Virtual Relationship (QSAR) Quantitative Structure-Activity GRID INdependent Descriptors (GRIND) GRIND-2 GRID Alignment independent Molecular descriptors (MD) Pentacle Molecular Interaction Fields (MIF) Computational Methods Qt Programming Languages User Interface (UI) User-friendly Software Software models Spiral model Efficiency High-performance Encoding Discretizing Algorithm Descubrimiento de fármacos Cribado virtual basado en ligando (LBVS) 51 61
23	Homology modeling and structural analysis of the antipsychotic drugs receptorome López Muñoz, Laura 22 June 2010 (has links) Classically it was assumed that the compounds with therapeutic effect exert their action interacting with a single receptor. Nowadays it is widely recognized that the pharmacological effect of most drugs is more complex and involves a set of receptors, some associated to their positive effects and some others to the side effects and toxicity. Antipsychotic drugs are an example of effective compounds characterized by a complex pharmacological profile binding to several receptors (mainly G protein-coupled-receptors, GPCR). In this work we will present a detailed study of known antipsychotic drugs and the receptors potentially involved in their binding profile, in order to understand the molecular mechanisms of the antipsychotic pharmacologic effects.The study started with obtaining homology models for all the receptors putatively involved in the antipsychotic drugs receptorome, suitable for building consistent drug-receptor complexes. These complexes were structurally analyzed and compared using multivariate statistical methods, which in turn allowed the identification of the relationship between the pharmacological properties of the antipsychotic drugs and the structural differences in the receptor targets. The results can be exploited for the design of safer and more effective antipsychotic drugs with an optimum binding profile. / Tradicionalmente se asumía que los fármacos terapéuticamente efectivos actuaban interaccionando con un único receptor. Actualmente está ampliamente reconocido que el efecto farmacológico de la mayoría de los fármacos es más complejo y abarca a un conjunto de receptores, algunos asociados a los efectos terapéuticos y otros a los secundarios y toxicidad. Los fármacos antipsicóticos son un ejemplo de compuestos eficaces que se caracterizan por unirse a varios receptores simultáneamente (principalmente a receptores unidos a proteína G, GPCR). El trabajo de la presente tesis se ha centrado en el estudio de los mecanismos moleculares que determinan el perfil de afinidad de unión por múltiples receptores de los fármacos antipsicóticos.En primer lugar se construyeron modelos de homología para todos los receptores potencialmente implicados en la actividad farmacológica de dichos fármacos, usando una metodología adecuada para construir complejos fármaco-receptor consistentes. La estructura de estos complejos fue analizada y se llevó a cabo una comparación mediante métodos estadísticos multivariantes, que permitió la identificación de asociaciones entre la actividad farmacológica de los fármacos antipsicóticos y diferencias estructurales de los receptores diana. Los resultados obtenidos tienen interés para ser explotados en el diseño de fármacos antipsicóticos con un perfil farmacológico óptimo, más seguros y eficaces. Receptor 5-HT2A Receptor D3 Receptor D2 Ligando Clozapina Derivados Benzofuranonas Risperidona Olanzapina esquizofrenia métodos de regresión campos de interacción Molecular (MIF) Perfil Multireceptorial modelado por homología Docking sitio de unión interacciones moleculares selectividad afinidad de unión Diana Meta-Diana efectos secundarios fármaco antipsicótico típico fármaco antipsicótico atípico agonista antagonista membrana receptoroma rhodopsina estructura de rayos X descriptores moleculares farmacología análisis multivariante procedimiento integrado Computer-aided drug design Integrated approach Multivariate analysis Pharmacology Molecular descriptors X-ray structure Rhodopsin Receptorome Membrane Antagonist Agonist Atypical antipsychotic drug Typical antipsychotic drug Side effects Off-target Target Selectivity Binding affinity Molecular interactions Binding site Homology modeling Docking Multireceptor profile Molecular interaction Field (MIF) Partial Least Squares (PLS) Principal Component Analysis (PCA) Schizophrenia Benzolactam Derivatives Benzofuranone Derivatives Risperidone Olanzapine Clozapine Ligand Adrenergic receptors Muscarinic receptors Histamine receptors Serotonin receptors Dopamine receptors beta2-Adrenergic receptor D2 receptor D3 receptor 5-HT2A receptor G protein-coupled receptors (GPCR) 57

Page generated in 0.1187 seconds