Por favor, use este identificador para citar o enlazar este ítem: https://hdl.handle.net/20.500.12104/104814
Registro completo de metadatos
Campo DCValorLengua/Idioma
dc.contributor.authorCandelario Guzmán, Gustavo
dc.date.accessioned2024-09-18T17:07:15Z-
dc.date.available2024-09-18T17:07:15Z-
dc.date.issued2024-06-25
dc.identifier.urihttps://wdg.biblio.udg.mx
dc.identifier.urihttps://hdl.handle.net/20.500.12104/104814-
dc.description.abstractLa organización es una característica intrínseca del cerebro, desde un ordenamiento en las estructuras anatómicas, hasta el ordenamiento molecular el cual refleja tendencias en la expresión genética, su identificación nos ha permitido cada vez más, comprender como funciona el cerebro sano y enfermo. Cada estructura de este órgano esta compuesta por un gran número de células, siendo las neuronas las células más representativas del cerebro. Existen diferentes tipos de células cerebrales, las cuales se han clasificado de acuerdo a distintas características. Actualmente los estudios Single Nucleus RNA Sequencing (snRNA-seq) ha permitido conocer el panorama celular en diferentes regiones del cerebro, siendo la principal forma en al cual se clasifican las células cerebrales. Sin embargo, dada las limitantes tecnológicas, no se ha logrado secuenciar el cerebro humano compelo, por lo que, tendencias en la organización de los diferentes tipos de células a lo largo del cerebro ha sido poco explorada. En este trabajo identificaremos tendencias en diferentes tipos de células a lo largo del cerebro humano. Para ello primero obtendremos datos de células cerebrales a partir de estudios snRNA-seq, posteriormente mediante un análisis de expresión diferencial, discriminaremos cada tipo de célula, finalmente con el uso de una herramienta de machine learning llamada CIBERSORTx inferiremos la población celular en diferentes estructuras cerebrales, lo que permitirás analizar las tendencias en la organización de diferentes tipos de células a lo largo de las principales estructuras del cerebro humano. Nuestros resultados principales describen un decremento gradual en las neuronas glutamatérgicas, así como un mantenimiento y ligero incremento en células GABAérgicas en un orden rostral - caudal, reflejando principios organizacionales de los diferentes tipos de células en el cerebro humano.
dc.description.tableofcontentsÍndice general Agradecimientos vi Índice de figuras x Índice de tablas xviii Resumen xix Abstract xxi Introducción xxiii 1. Marco teórico 1 1.1. El cerebro humano . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.1.1. Escala macro . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.1.2. Escala micro . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 1.1.3. Escala meso . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 1.2. Tipo celular . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 1.2.1. Métodos de secuenciación a nivel célula individual . . . . . . . 6 1.2.2. Single Nucleus RNA Sequencing . . . . . . . . . . . . . . . . . 7 1.2.3. Panorama celular en el cerebro humano . . . . . . . . . . . . . 9 1.3. Machine learning . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 1.3.1. Inferencia celular . . . . . . . . . . . . . . . . . . . . . . . . . 10 2. Planteamiento del problema 13 vii ÍNDICE GENERAL viii 2.1. Justificación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 2.2. Hipótesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 2.3. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 2.3.1. Objetivo general . . . . . . . . . . . . . . . . . . . . . . . . . 14 2.3.2. Objetivos particulares . . . . . . . . . . . . . . . . . . . . . . 14 3. Metodología 15 3.1. Materiales y métodos . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 3.2. Bases de datos snRNA-seq . . . . . . . . . . . . . . . . . . . . . . . . 16 3.2.1. Acondicionamiento de base de datos snRNA-seq . . . . . . . . 17 3.3. Análisis de expresión diferencial . . . . . . . . . . . . . . . . . . . . . 17 3.3.1. Obtención de parámetros . . . . . . . . . . . . . . . . . . . . . 18 3.3.2. Genes up y down-regulared . . . . . . . . . . . . . . . . . . . . 19 3.3.3. Genes sin intersección . . . . . . . . . . . . . . . . . . . . . . 19 3.3.4. Exclusión de genes orf . . . . . . . . . . . . . . . . . . . . . . 20 3.3.5. Matriz de expresión upMatrix y downMatrix . . . . . . . . . . 20 3.4. Base de datos RNA-seq . . . . . . . . . . . . . . . . . . . . . . . . . . 20 3.4.1. Procesamiento de datos RNA-seq . . . . . . . . . . . . . . . . 20 3.4.2. Localización de las muestras RNA-seq . . . . . . . . . . . . . 21 3.5. CIBERSORTx . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 3.5.1. Signature Matrix module . . . . . . . . . . . . . . . . . . . . . 22 3.5.2. Input cell fractions module . . . . . . . . . . . . . . . . . . . . 22 3.6. Análisis de la organización celular . . . . . . . . . . . . . . . . . . . . 23 3.6.1. Correlación entre las proporciones celulares . . . . . . . . . . . 23 3.6.2. Organización de la distribución celular . . . . . . . . . . . . . 23 3.7. Metodología descartada . . . . . . . . . . . . . . . . . . . . . . . . . 23 4. Resultados 30 4.1. Base de datos snRNA-seq . . . . . . . . . . . . . . . . . . . . . . . . 30 4.1.1. Acondicionamiento de base de datos snRNA-seq . . . . . . . . 30 4.2. Análisis de expresión diferencial . . . . . . . . . . . . . . . . . . . . . 31 ÍNDICE GENERAL ix 4.2.1. Obtención de parámetros . . . . . . . . . . . . . . . . . . . . . 31 4.2.2. Genes down y up-regulared . . . . . . . . . . . . . . . . . . . . 31 4.2.3. Genes sin intersección y exclusión de genes orf . . . . . . . . . 32 4.2.4. Matriz de expresión upMatrix y downMatrix . . . . . . . . . . 34 4.3. Base de datos RNA-seq . . . . . . . . . . . . . . . . . . . . . . . . . . 38 4.3.1. Procesamiento de datos RNA-seq . . . . . . . . . . . . . . . . 38 4.3.2. Localización de las muestras RNA-seq . . . . . . . . . . . . . 39 4.4. CIBERSORTx . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42 4.4.1. Signature Matrix module . . . . . . . . . . . . . . . . . . . . . 43 4.4.2. Input cell fractions module . . . . . . . . . . . . . . . . . . . . 45 4.5. Análisis de la organización celular . . . . . . . . . . . . . . . . . . . . 48 4.5.1. Correlación entre las proporciones celulares . . . . . . . . . . . 48 4.5.2. Organización de la distribución celular . . . . . . . . . . . . . 51 4.5.3. Organización celular en el cerebro enfermo . . . . . . . . . . . 59 5. Conclusiones 64 Referencias 69 A. Promedio de la organización celular 76 B. Organización celular donador 1 79 C. Organización celular donador 2 86
dc.formatapplication/PDF
dc.language.isospa
dc.publisherBiblioteca Digital wdg.biblio
dc.publisherUniversidad de Guadalajara
dc.rights.urihttps://www.riudg.udg.mx/info/politicas.jsp
dc.subjectTipo Celular
dc.subjectNeurona
dc.subjectNo-Neuronal
dc.subjectOrganizacion
dc.subjectSnrna-Seq
dc.subjectGenes Up-Regulated
dc.subjectGenes Down-Regulated
dc.subjectCibersortx
dc.subjectFraccion Celular
dc.titleAnálisis de la distribución celular en el cerebro humano
dc.typeTesis de Maestría
dc.rights.holderUniversidad de Guadalajara
dc.rights.holderCandelario Guzmán, Gustavo
dc.coverageGUADALAJARA, JALISCO
dc.type.conacytmasterThesis
dc.degree.nameMAESTRIA EN CIENCIAS EN BIOINGENIERIA Y COMPUTO INTELIGENTE
dc.degree.departmentCUCEI
dc.degree.grantorUniversidad de Guadalajara
dc.rights.accessopenAccess
dc.degree.creatorMAESTRIA EN CIENCIAS EN BIOINGENIERO EN Y COMPUTO INTELIGENTE
dc.contributor.directorRomo Vázquez, Rebeca Del Carmen
dc.contributor.codirectorMorales Valencia, José Alejandro
Aparece en las colecciones:CUCEI

Ficheros en este ítem:
Fichero TamañoFormato 
MCUCEI10968FT.pdf59.79 MBAdobe PDFVisualizar/Abrir


Los ítems de RIUdeG están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.