Bioinformática: interfaz web para estudiar el efecto de diferentes condiciones sobre la expresión de los genes

El trabajo realizado se divide en dos bloques bien diferenciados, ambos relacionados con el análisis de microarrays. El primer bloque consiste en agrupar las condiciones muestrales de todos los genes en grupos o clústers. Estas agrupaciones se obtienen al aplicar directamente sobre la microarray los siguientes algoritmos de agrupación: SOM,PAM,SOTA,HC y al aplicar sobre la microarray escalada con PC y MDS los siguientes algoritmos: SOM,PAM,SOTA,HC y K-MEANS. El segundo bloque consiste en realizar una búsqueda de genes basada en los intervalos de confianza de cada clúster de la agrupación activa. Las condiciones de búsqueda ajustadas por el usuario se validan para cada clúster respecto el valor basal 0 y respecto el resto de clústers, para estas validaciones se usan los intervalos de confianza. Estos dos bloques se integran en una aplicación web ya existente, el applet PCOPGene, alojada en el servidor: http://revolutionresearch.uab.es.El treball realitzat es divideix en dos blocs ben diferenciats, el dos relacionats amb l´anàlisis de microarrays. El primer bloc consisteix en agrupar les condicions experimentals de tots el gens en grups o clústers. Aquestes agrupacions s'obtenen al aplicar directament sobre la microarray els següents algoritmes d'agrupació: SOM,PAM, SOTA,HC i a l'aplicar sobre la microarray escalada amb PC y MDS els següents algoritmes d'agrupació: SOM,SOTA,PAM,HC i K-MEANS. El segòn bloc consisteix en realiztar una cerca de gens basada en els intèrvals de confiança de cada clúster de l'agrupació activa. Les condicions de cerca ajustades per l'usuari es validen per cada classe respecte el valor basal 0 i respecte el reste de classes, per aquestes validacions s'utilitzen els intèrvals de confiança. Aquests dos blocs s'integren en un aplicatiu web ya existent, l'applet PCOPGene, allotjada al servidor: http://revolutionresearch.uab.es.The work is divided into two distinct, both related to the analyze of microarrays. The first block is to group the experimental conditions of all genes in groups or clusters. These clusters are obtained by applying directly on the microarray the following algorithms: SOM, PAM, SOTA, HC and applying microarray climbing on PC and MDS following algorithms: SOM, PAM, SOTA, HC and K-MEANS. The second block is to perform a search for genes based on confidence intervals for each cluster from the active agrupation. Search conditions set by user are validated for each cluster about the vasal value 0 and about the other clusters, these validations are used confidence intervals. These two blocks are integrated into an existing web application, the applet PCOPGene, available in the web server: http://revolutionresearch.uab.es