Tesis Doctor en Ciencias en Tecnologías de Información Universidad de Guadalajara. Programa Académico de Posgrado 2018

Bibliografía: páginas 121-128

Acceso en línea sin restricciones

Un método común utilizado para la detección masiva de microorganismos celulolíticos se basa en la formación de halos en un medio sólido. Sin embargo, este es un método subjetivo y el monitoreo en tiempo real no es posible. El objetivo de este trabajo fue desarrollar un método de análisis computacional de los patrones visuales creados por la actividad celulolítica a través de la descripción de redes neuronales artificiales. El método aprende mediante un modelo de predicción adaptativa y determina automáticamente cuándo ocurre la actividad enzimática en un indicador cromogénico como el halo de hidrólisis. Para lograr este objetivo, se generó una biblioteca de datos con lecturas de absorbancia y valores RGB de hidrólisis enzimática, obtenidos por espectrofotometría y un equipo prototipo basado en cámara de video (Enzyme Vision), respectivamente. Se uso la primera parte de la biblioteca para generar un modelo de regresión lineal, que fue capaz de predecir las absorbancias teóricas utilizando los patrones de color RGB, que coincidieron con los valores obtenidos por espectrofotometría. Español

La segunda parte se utilizó para entrenar, validar y probar el modelo de red neuronal para predecir la actividad celulolítica basada en patrones de color. Como resultado del modelo, se establecieron seis nuevos descriptores útiles para la predicción de la actividad enzimática en tiempo real. El modelo fue evaluado sobre halos de microorganismos celulolíticos, logrando la clasificación regional del halo. Finalmente, como el modelo fue implementado en un microprocesador FPGA paralelo diseñado a la medida y dado que se logro una aceleración suficiente para capturar y analizar las 24 imágenes por segundo, generadas durante una agravación en vídeo de la evolución de la actividad enzimática, se concluye que este enfoque puede ser una alternativa viable para los ensayos masivos que se presentan en pruebas del tipo High-Throughput Screening (HTS). Español

Disponible en línea

Adobe Acrobat profesional 6.0 o superior