Search

New clinical activity in multiple sclerosis (MS) is often accompanied by acute inflammation which subsides. However, there is growing evidence that a substantial proportion of lesions remain active well beyond the acute phase. Chronic active lesions are most frequently found in progressive MS and are characterised by a border of inflammation associated with iron-enriched cells, leading to ongoing tissue injury. Identifying imaging markers for chronic active lesions in vivo are thus a major research goal. We reviewed the literature on imaging of chronic active lesion in MS, focussing on ‘slowly expanding lesions’ (SELs), detected by volumetric longitudinal magnetic resonance imaging (MRI) and ‘rim-positive’ lesions, identified by susceptibility iron-sensitive MRI. Both SELs and rim-positive lesions have been found to be prognostically relevant to future disability. Little is known about the co-occurrence of rims around SELs and their inter-relationship with other emerging techniques such as dynamic contrast enhancement (DCE) and positron emission tomography (PET).

Background: Considerable spinal cord (SC) atrophy occurs in multiple sclerosis (MS). While MRI-based techniques for SC cross-sectional area (CSA) quantification have improved over time, there is no common agreement on whether to measure at single vertebral levels or across larger regions and whether upper SC CSA can be reliably measured from brain images. Aim: To compare in a multicenter setting three CSA measurement methods in terms of repeatability at different anatomical levels. To analyze the agreement between measurements performed on the cervical cord and on brain MRI. Method: One healthy volunteer was scanned three times on the same day in six sites (three scanner vendors) using a 3T MRI protocol including sagittal 3D T1-weighted imaging of the brain (covering the upper cervical cord) and of the SC. Images were analyzed using two semiautomated methods [NeuroQLab (NQL) and the Active Surface Model (ASM)] and the fully automated Spinal Cord Toolbox (SCT) on different vertebral levels (C1-C2; C2/3) on SC and brain images and the entire cervical cord (C1-C7) on SC images only. Results: CSA estimates were significantly smaller using SCT compared to NQL and ASM (p < 0.001), regardless of the cord level. Inter-scanner repeatability was best in C1-C7: coefficients of variation for NQL, ASM, and SCT: 0.4, 0.6, and 1.0%, respectively. CSAs estimated in brain MRI were slightly lower than in SC MRI (all p >_ 0.006 at the C1-C2 level). Despite protocol harmonization between the centers with regard to image resolution and use of high-contrast 3D T1-weighted sequences, the variability of CSA was partly scanner dependent probably due to differences in scanner geometry, coil design, and details of the MRI parameter settings. Conclusion: For CSA quantification, dedicated isotropic SC MRI should be acquired, which yielded best repeatability in the entire cervical cord. In the upper part of the cervical cord, use of brain MRI scans entailed only a minor loss of CSA repeatability compared to SC MRI. Due to systematic differences between scanners and the CSA quantification software, both should be kept constant within a study. The MRI dataset of this study is available publicly to test new analysis approaches.

Automatic correction of problems that are solved using diagrams through educational platforms is of great importance, especially in the field of engineering studies. In this paper, we present a new strategy to automatically assess diagrams. The proposed approach is described in detail as well as its application to assess entity/relationship diagrams used in the conceptual design of databases. The results indicate that the differences between manual and automatic assessment is less than 075 points over a total of ten which confirms the validity of the proposed approach. As a conclusion, the validity of the proposed method to assess entity/relationship diagrams reducing teacher correction time and unifying applied correction criteria is corroborated La corrección automática de diagramas a través de plataformas educativas es de gran importancia, especialmente en el ámbito de los estudios de Ingeniería. El objetivo de este artículo es presentar un nuevo enfoque para la puntuación automática de estos diagramas. Se presenta un nuevo método de forma genérica y su aplicación a la puntuación de diagramas entidad/relación utilizados en el diseño conceptual de bases de datos. Los resultados obtenidos nos indican que las diferencias entre la puntuación obtenida de forma automática y la obtenida a partir de la corrección manual por parte del profesor no exceden en ningún caso de 0.75 puntos sobre un total de diez. Como conclusión, se corrobora la validez del método propuesto para los diagramas entidad/relación facilitando un ahorro considerable de tiempo a los profesores al no tener que corregirlos, ni puntuarlos

L'article és una reflexió sobre els requisits de formació dels professionals que demana la societat del coneixement. Un dels objectius més importants que ha de tenir la universitat en la societat del coneixement és la formació de professionals competents que tinguin prou eines intel·lectuals per a enfrontar-se a la incertesa de la informació, a la consciència que aquesta té una data de caducitat a curt termini i a l'ansietat que això provoca. Però, a més, també han de ser capaços de definir i crear les eines de treball amb què donaran sentit i eficàcia a aquest coneixement mudable i mutant. Per això, l'espai europeu d'ensenyament superior prioritza la competència transversal del treball col·laboratiu amb l'objectiu de promoure un aprenentatge autònom, compromès i adaptat a les noves necessitats de l'empresa del segle xxi. En aquest context, es presenta l'entorn teòric que fonamenta el treball desenvolupat a la plataforma informàtica ACME, que uneix el treball col·laboratiu i l'aprenentatge semipresencial o blended learning. Així mateix, es descriuen amb detall alguns exemples de wikis, paradigma del treball col·laboratiu, fets en assignatures impartides per la Universitat de Girona en l'espai virtual ACME The article is a reflection on the training requirements for the professionals that the knowledge-based society needs. One of the most important objectives that any university must have in the knowledge-based society is to provide training for competent professionals with sufficient intellectual tools to face up to the uncertainty of information, the knowledge that it has an early expiry date and, therefore, the anxiety that this causes. Furthermore, they must also be capable of defining and creating their own work tools with which they can give form and effectiveness to this changeable and changing knowledge. In addition, the European Higher Education Area prioritises the transferable skill of “collaborative work” in order to promote autonomous learning, committed and adapted to the new requirements of 21st-century companies. Within this context, we present the theoretical environment on which the work developed on the ACME IT platform is based, which brings together collective work and blended learning. We also provide a detailed description of some examples of wikis, the paradigm of collaborative work, prepared in subjects taught at the University of Girona in the ACME virtual environment El artículo es una reflexión sobre los requisitos de formación de los profesionales que demanda la sociedad del conocimiento. Uno de los objetivos más importantes que debe tener la universidad en la sociedad del conocimiento es la formación de profesionales competentes que posean herramientas intelectuales suficientes para enfrentarse a la incertidumbre de la información, al conocimiento de que esta tiene una fecha de caducidad temprana y, por consiguiente, a la ansiedad que ocasiona. Pero además también deben ser capaces de definir y crear las propias herramientas de trabajo con las que van a dar sentido y eficacia a ese conocimiento mudable y mutante. Por ende, el espacio europeo de los estudios superiores prioriza la competencia transversal «trabajo colaborativo» con el objetivo de promover un aprendizaje autónomo, comprometido y adaptado a las nuevas necesidades de la empresa del siglo xxi. En este contexto, se presenta el entorno teórico que fundamenta el trabajo desarrollado en la plataforma informática ACME, que aúna el trabajo colaborativo y el aprendizaje semipresencial o blended learning. Asimismo, se describen con detalle algunos ejemplos de wikis, paradigma del trabajo colaborativo, realizados en asignaturas impartidas de la Universidad de Gerona en el espacio virtual ACME

Existeixen nombroses plataformes virtuals que permeten el treball en equip. La majoria de les universitats les fan servir en major o menor grau. En aquest treball es presenten algunes novetats de la plataforma ACME, dedicada principalment a la generació i correcció automàtica de problemes, per a treballar en equip. Concretament es presenten les noves eines de creació i gestió de grups, el corrector de fulls de càlcul i les millores incorporades en els entorns wiki i blog. El corrector de fulls de càlcul és especialment interessant per a la correcció automàtica de pràctiques de laboratori, ja siguin individuals o en grup

Diffusion Tensor Imaging (DTI) is a new magnetic resonance imaging modality capable of producing quantitative maps of microscopic natural displacements of water molecules that occur in brain tissues as part of the physical diffusion process. This technique has become a powerful tool in the investigation of brain structure and function because it allows for in vivo measurements of white matter fiber orientation. The application of DTI in clinical practice requires specialized processing and visualization techniques to extract and represent acquired information in a comprehensible manner. Tracking techniques are used to infer patterns of continuity in the brain by following in a step-wise mode the path of a set of particles dropped into a vector field. In this way, white matter fiber maps can be obtained., La imatge amb tensor de difusió (DTI) és una nova modalitat de ressonància magnètica capaç de generar mapes del desplaçament a nivell microscòpic de l’aigua a dins del teixits del cervell com a part del procés físic de la difusió. Aquesta tècnica ha esdevingut una important eina en la investigació de les estructures i funcions cerebrals perquè ens permet tenir dades in vivo de l’orientació de les fibres de matèria blanca. Per aplicar el DTI en la pràctica clínica cal extreure i representar la informació de forma entenedora aplicant tècniques i processos de visualització especialitzats. Es poden utilitzar tècniques de tractografia per tal de trobar patrons de continuïtat dins del cervell, a partir de fer el seguiment pas a pas del camí seguit per un conjunt de partícules que es deixen en un camp vectorial. D’aquesta forma és com s’obtenen els mapes de fibres de matèria blanca.

L'article és una reflexió sobre els requisits de formació dels professionals que demana la societat del coneixement. Un dels objectius més importants que ha de tenir la universitat en la societat del coneixement és la formació de professionals competents que tinguin prou eines intel·lectuals per a enfrontar-se a la incertesa de la informació, a la consciència que aquesta té una data de caducitat a curt termini i a l'ansietat que això provoca. Però, a més, també han de ser capaços de definir i crear les eines de treball amb què donaran sentit i eficàcia a aquest coneixement mudable i mutant. Per això, l'espai europeu d'ensenyament superior prioritza la competència transversal del treball col·laboratiu amb l'objectiu de promoure un aprenentatge autònom, compromès i adaptat a les noves necessitats de l'empresa del segle xxi. En aquest context, es presenta l'entorn teòric que fonamenta el treball desenvolupat a la plataforma informàtica ACME, que uneix el treball col·laboratiu i l'aprenentatge semipresencial o blended learning. Així mateix, es descriuen amb detall alguns exemples de wikis, paradigma del treball col·laboratiu, fets en assignatures impartides per la Universitat de Girona en l'espai virtual ACME The article is a reflection on the training requirements for the professionals that the knowledge-based society needs. One of the most important objectives that any university must have in the knowledge-based society is to provide training for competent professionals with sufficient intellectual tools to face up to the uncertainty of information, the knowledge that it has an early expiry date and, therefore, the anxiety that this causes. Furthermore, they must also be capable of defining and creating their own work tools with which they can give form and effectiveness to this changeable and changing knowledge. In addition, the European Higher Education Area prioritises the transferable skill of “collaborative work” in order to promote autonomous learning, committed and adapted to the new requirements of 21st-century companies. Within this context, we present the theoretical environment on which the work developed on the ACME IT platform is based, which brings together collective work and blended learning. We also provide a detailed description of some examples of wikis, the paradigm of collaborative work, prepared in subjects taught at the University of Girona in the ACME virtual environment

En aquest treball es volen avaluar els resultats obtinguts en la implantació de l’avaluació continuada i particularment de l’eina informàtica ACME (Avaluació Continuada i Millora de l’Ensenyament) en dues assignatures de química de primer curs corresponents als estudis de Química i Ciències Ambientals de la UdG. A nivell d’impacte en les qualificacions obtingudes pels estudiants, s’observa un augment de la nota final entre 0,6 i 1 punt respecte a la qualificació obtinguda en l’examen final, per les dues assignatures. L’ACME permet treballar algunes competències, principalment la capacitat de resolució de problemes, competència que apareix en el disseny de les dues assignatures de Química. També permet desenvolupar altres competències com ara la capacitat de planificació i organització. Addicionalment, l’ACME és un bon sistema per l’autoavaluació del propi aprenentatge, que en definitiva és el que es persegueix amb el sistema d’avaluació continuada

En aquesta comunicació volem presentar les possibilitats i experiències que s’han fet amb la plataforma ACME com a eina per a la planificació, seguiment i avaluació dels aprenentatges; així com les perspectives de futur pel que fa a possibilitats de creixement. Així presentem el funcionament bàsic de la plataforma, els tipus de exercicis que suporta, els diferents tipus d’activitats que es poden programar, algunes experiències. Analitzem què en pot aportar l’ACME y què en podria aportar en l’àmbit de l’avaluació de competències

Els hàbits de treball i el coneixement adquirit pels alumnes de les universitats al llarg d’un curs cada cop ha estat més fàcil de saber per part dels professors. L’aparició de noves metodologies i nous sistemes d’avaluació junt amb les millores tecnològiques i les millores incorporades al sistema educatiu, han facilitat i promogut l’accés aquest tipus d’informació. En els darrers anys aquest tema ha adquirit una importància capdal gràcies a l’Espai Europeu d’Educació Superior (EEES). En el nou marc de l’EEES els alumnes han d’adquirir unes competències realitzant diferents activitats d’aprenentatge presencials i no presencials. Per tant un dels aspectes fonamentals per desenvolupar amb garanties l’EEES és portar a terme per part del professorat un seguiment de l’aprenentatge de l’alumne i el control de les activitats proposades. Aquestes feines comporten, sens dubte, una major dedicació del professor a les tasques docents. Són moltes les tècniques que es poden utilitzar per fer el seguiment de l’aprenentatge dels alumnes, però en els darrers anys apareix amb força l’ús de les TIC, i més concretament l’ús de plataformes d’e-learning, que permeten tant als alumnes com als professors realitzar el treball des d’on volen i quan volen. Aquestes eines han suposat un canvi en el model d’aprenentatge dels alumnes, una revolució en la comunicació entre professors i alumnes i fins hi tot un replantejament en la confecció i difusió del material que s’ha de treballar tant a classe com a fora. Hom veu que l’ús d’aquestes plataformes s’ha anat generalitzant de tal forma que aquestes han esdevingut una eina de treball més d’alumnes i professors. A la Universitat de Girona una de les plataformes d’e-learning més utilitzades per fer un seguiment del treball dels alumnes és la plataforma ACME (Avaluació Continuada i Millora de l’Ensenyament). Aquesta plataforma web, a més a més del seguiment i control de l’alumnat, permet la correcció automàtica i on-line de gran varietat de problemes i activitats de temàtiques com matemàtiques, química, economia, electrònica, publicitat i relacions públiques, bases de dades, estadística... L’ACME és una eina que realitza un seguiment exhaustiu del treball realitzat per l’alumne a través de la plataforma, permeten al professor conèixer tot un seguit d’informació que anys endarrere era impensable. El volum de dades recollit en els darrers 3 anys ens permet veure quins són els comportaments de treball semipresencial que tenen els alumnes: quins dies treballen, a quines hores, durant quines hores del dia són més efectius, quantes hores dediquen... i tot un seguit de dades que ens pot donar un punt de referència dels hàbits de treballs dels nostres alumnes

In this article we present a set of functionalities that we consider to be of fundamental importance for an e-learning platform that has to be applied in the context of engineering studies. As a practical case we describe the ACME platform, highlighting the automatic generation and assignation of problems with open solutions, the on-line correction and feed-back to the students, the automatic assessment of problems and the final assessment of students work. ACME has been used in the University of Girona in Spain, during the last years. The results, both qualitatively as well as quantitatively, confirm us that the application of the platform improves academic outcomes and also the learning process of the students. As a conclusion it can be said that elearning platforms that provide the described functionalities are suitable for engineering studies and overcome the main limitations of standard platforms En este artículo se presenta un conjunto de funcionalidades que consideramos fundamentales en una plataforma de aprendizaje electrónico (e-learning) que pretenda aplicarse de forma satisfactoria en el ámbito de la enseñanza universitaria en ingeniería. Como un caso práctico se describe la plataforma ACME destacando la generación y asignación automáticas de problemas con respuestas abiertas, la corrección y retorno de respuestas en línea, la puntuación automática de ejercicios y la evaluación final del alumno. ACME se ha utilizado principalmente en la Escuela Politécnica Superior de la Universidad de Girona en España durante los últimos años. Los resultados tanto cualitativos como cuantitativos obtenidos confirman que su utilización aporta mejoras académicas y en general un mejor aprendizaje por parte de los alumnos. Como conclusión se obtiene que las plataformas que dispongan de las funcionalidades descritas pueden ser perfectamente utilizadas en este tipo de estudios superando las limitaciones que presentan las plataformas estándares

The generalized lack of support from healthcare professionals in the posterior weeks after a woman has suffered a miscarriage has caused women to seek the needed support and information in the online community. For this reason, an increase in activity on social networks has been observed, where women have begun to share their experiences after having suffered a miscarriage. The aim of this project has been to extract data from Twitter related to the psychological effects that a miscarriage may have caused a woman, to then apply sentiment analysis and topic extraction. With around 19,000 extracted tweets it has been possible to determine if a relationship between having an abortion and suffering a negative impact on mental health, such as anxiety or depression, exists. In addition, the results have allowed an in-depth comprehension of the conversation around pregnancy loss. Finally, the results have been represented in a suitable visualization for easy comprehension and divulgation. La falta de apoyo generalizada por parte del personal sanitario las semanas siguientes a que una mujer haya padecido un aborto involuntario ha causado que éstas se vean obligadas a buscar el apoyo y la información necesarias en la comunidad online. Por este motivo se ha observado un aumento de actividad en redes sociales, donde las mujeres han empezado a compartir sus experiencias tras haber sufrido un aborto espontáneo. En este proyecto se han extraído datos de Twitter relacionados con los efectos psicológicos que puede haber causado un aborto involuntario para una mujer, para a continuación aplicar un análisis de sentimiento y una extracción de temas. Con alrededor de 19,000 tweets obtenidos se ha podido determinar si existe una relación entre el hecho de sufrir un aborto espontáneo y desarrollar efectos negativos en la salud mental, tales como depresión o ansiedad, además de comprender en profundidad la conversación alrededor de la pérdida del embarazo. Finalmente, se han representado los resultados obtenidos en una visualización adecuada para su fácil comprensión y divulgación. La falta de suport generalitzada per part del personal sanitari durant les setmanes posteriors que una dona hagi patit un avortament espontani han causat que aquestes es vegin obligades a buscar el suport i la informació necessaris a la comunitat online. Per aquest motiu s'ha observat un augment d'activitat en les xarxes socials, on les dones han començat a compartir les seves experiències després d'haver patit un avortament espontani. En aquest projecte s'han extret dades de Twitter relacionades amb els efectes psicològics que pot haver causat un avortament involuntari per una dona, per aplicar a continuació una anàlisi de sentiment i una extracció de temes. Amb al voltant de 19,000 tweets s'ha pogut determinar si existeix una relació entre el fet de patir un avortament espontani i desenvolupar efectes negatius en la salut mental, tals com depressió o ansietat, a més de comprendre en profunditat la conversa al voltant de la pèrdua de l'embaràs. Finalment, s'han representat els resultats obtinguts en una visualització adequada per la seva fàcil comprensió i divulgació.

PDAC is one of the most aggressive human cancers with a 5-year overall survival rate lower than 10%. At the time of diagnose, it is already too late for many patients who can't benefit from surgical procedure or chemotherapy. The objective of the present work is to study the gene expression profiles from different perspectives, and generate several signatures with predictive power. This could allow physicians to improve prognosis and find better treatments according to each patient. The biological processes where the genes in these signatures participate were studied, showing that most of the genes are related to cellular and metabolic processes. The survival analysis with Kaplan-Meier Plotter showed that many of these genes had a significant correlation with survival in pancreatic cancer. Finally, the predictive power of the different signatures was assessed using a Machine Learning algorithm. Specifically, several Random Forest models were trained and evaluated with different configurations. The best accuracy (62%) was obtained with the common signature, which included the intersection of the genes in the signatures of each of the groups studied, Treatment vs outcome and Gene expression vs outcome. El PDAC es uno de los cánceres humanos más agresivos, con una tasa de supervivencia global a 5 años inferior al 10%. En el momento del diagnóstico, ya es demasiado tarde para muchos pacientes que no pueden beneficiarse del procedimiento quirúrgico o de la quimioterapia. El objetivo del presente trabajo es estudiar los perfiles de expresión génica desde diferentes perspectivas, y generar varias firmas con poder predictivo. Esto podría permitir a los médicos mejorar el pronóstico y encontrar mejores tratamientos en función de cada paciente. Se estudiaron los procesos biológicos en los que participan los genes de estas firmas, mostrando que la mayoría de los genes están relacionados con procesos celulares y metabólicos. El análisis de supervivencia con Kaplan-Meier Plotter mostró que muchos de estos genes tenían una correlación significativa con la supervivencia en el cáncer de páncreas. Por último, se evaluó el poder predictivo de las diferentes firmas mediante un algoritmo de aprendizaje automático. En concreto, se entrenaron y evaluaron varios modelos Random Forest con diferentes configuraciones. La mejor precisión (62%) se obtuvo con la firma común, que incluía la intersección de los genes en las firmas de cada uno de los grupos estudiados, Tratamiento vs resultado y Expresión génica vs resultado. El PDAC és un dels càncers humans més agressius, amb una taxa de supervivència global a 5 anys inferior al 10%. En el moment del diagnòstic, ja és massa tarda per a molts pacients que no poden beneficiar-se del procediment quirúrgic o de la quimioteràpia. L'objectiu del present treball és estudiar els perfils d'expressió gènica des de diferents perspectives, i generar diverses signatures amb poder predictiu. Això podria permetre als metges millorar el pronòstic i trobar millors tractaments en funció de cada pacient. Es van estudiar els processos biològics en els quals participen els gens d'aquestes signatures, mostrant que la majoria dels gens estan relacionats amb processos cel·lulars i metabòlics. L'anàlisi de supervivència amb Kaplan-*Meier Traçador va mostrar que molts d'aquests gens tenien una correlació significativa amb la supervivència en el càncer de pàncrees. Finalment, es va avaluar el poder predictiu de les diferents signatures mitjançant un algorisme d'aprenentatge automàtic. En concret, es van entrenar i van avaluar diversos models Random Forest amb diferents configuracions. La millor precisió (62%) es va obtenir amb la signatura comuna, que incloïa la intersecció dels gens en les signatures de cadascun dels grups estudiats, Tractament vs resultat i Expressió gènica vs resultat.

La ventriculomegalia (VMG) és una malaltia rara que afecta entre 0,3 i 22 de cada 1000 embarassos. D'aquests, entre el 25 i el 60% són casos aïllats, és a dir, que no tenen una altra patologia associada. L'evolució de l'afectació i l'efecte sobre el neurodesenvolupament no és previsible. La detecció de la VMG s'efectua a través de la mesura de dos únics paràmetres: la mida de l'Atrium Esquerre i de l'Atrium Dret. L'objectiu és usar una base de dades de 81 participants (41 d'ells afectats i 40 no afectats) per a millorar la caracterització de l'afectació i de la prognosi i per a fer una detecció precoç per poder predir els efectes post-natals en base a les dades pre-natals disponibles. La reduïda mida de la base de dades ha suposat un repte que ha impedit trobar noves caracteritzacions de l'afectació tot i que s'ha detectat certa correlació entre la VMG i altres dos paràmetres: la Banya Anterior Esquerra i la Banya Anterior Dreta. S'ha aconseguit entrenar un model de classificació binari amb una valor de F1 al voltant del 90%. S'ha aconseguit amb xarxes neuronals o amb una cascada de xarxes neuronals amb els models d'aprenentatge supervisat més potents. Es conclou que un nombre reduït de dades inclús desbalancejat permet oferir models amb suficients prestacions però que un major coneixement del context podria millorar els resultats. Ventriculomegaly (VMG) is a rare disease that affects between 0.3 and 22 out of every 1000 pregnancies. 25-60% of these are isolated cases, which means that it has no other associated pathology. The evolution of the disease and the effect on neurodevelopment is not predictable. The detection of VMG is done through the measurement of only two parameters: the size of the Left Atrium and the Right Atrium . The aim is to use a database of 81 participants (41 affected and 40 unaffected) to improve characterisation of the condition and the prognosis and to provide an early detection to predict postnatal effects based on the available prenatal data. The small size of the database has been a challenge to find new characterisations of the disease, although some correlation has been detected between VMG and two other parameters: the Left Anterior Horn and the Right Anterior Horn. A binary classification model has been trained with a value of F1 of about 90%. This has been achieved applying neural networks or by cascading neural networks with the most powerful supervised learning models. The conclusion is that a small number of even unbalanced data allows to provide models with sufficient performance but more knowledge on the context might improve the results.

Background: In relapse-onset multiple sclerosis (MS), tissue abnormality – as assessed with magnetisation transfer ratio (MTR) imaging – is greater in the outer cortical and inner periventricular layers. The cause of this remains unknown but meningeal inflammation has been implicated, particularly lymphoid follicles, which are seen in secondary progressive (SP) but not primary progressive (PP) MS. Cortical and periventricular MTR gradients might, therefore, differ in PPMS and SPMS if these follicles are responsible. Objective: We assessed cortical and periventricular MTR gradients in PPMS, and compared gradients between people with PPMS and SPMS. Methods: Using an optimised processing pipeline, periventricular normal-appearing white matter and cortical grey-matter MTR gradients were compared between 51 healthy controls and 63 people with progressive MS (28 PPMS, 35 SPMS). Results: The periventricular gradient was significantly shallower in healthy controls (0.122 percentage units (pu)/band) compared to PPMS (0.952 pu/band, p Conclusion: Abnormal periventricular and cortical MTR gradients occur in both PPMS and SPMS, suggesting comparable underlying pathological processes.

Malware detection is a critical capability which is usually deployed in any production system as a first step to increase the infrastructure security. Due to this widespread security measure, and with the intention of carrying out the actions for which it has been designed, malwareis constantly evolving in order to evade common detection techniques, ranging from simple changes aimed to evade signature-based detection to complex variations involving malware virtualization which are able to evade behavioural-based detection. In this project, an experiment based on Reinforcement Learning is designed in order to improve the evasion capabilities of a given self-generated malware sample. Such design is carried out by defining the set of actions that can be taken in order to evade Static PE detection; an environment which evaluates the sample; a reward function that allows us to minimize thedetection rate, and an agent which coordinates the entire process. Tools used in the scope of this project are available for the general public, including those used for self-generating the samples as well as those used to emulate an environment with different antimalware solutions. La detecció de programari maliciós és una capacitat crítica que normalment es desplega en qualsevol sistema de producció com a primer pas per augmentar la seguretat de la infraestructura. A causa d'aquesta mesura de seguretat generalitzada, i amb la intenció de dur a terme les accions per a les quals ha estat dissenyat, el malware evoluciona constantment per eludir tècniques de detecció comunes, que van des de canvis senzills destinats a eludir la detecció basada en signatures fins a variacions complexes que impliquen malware. virtualització que és capaç d'evadir la detecció basada en el comportament. En aquest projecte, es dissenya un experiment basat en l'aprenentatge de reforç per tal de millorar les capacitats d'evasió d'una mostra de malware donada autogenerada. Aquest disseny es realitza definint el conjunt d'accions que es poden dur a terme per evitar la detecció de PE estàtic; un entorn que avalua la mostra; una funció de recompensa que ens permet minimitzar la taxa de detecció i un agent que coordina tot el procés. Les eines que s'utilitzen en l'àmbit d'aquest projecte estan disponibles per al públic en general, incloses les que s'utilitzen per autogenerar les mostres, així com les que s'utilitzen per emular un entorn amb diferents solucions antimalware. La detección de malware es una capacidad crítica que generalmente se implementa en cualquier sistema de producción como primer paso para aumentar la seguridad de la infraestructura. Debido a esta medida de seguridad generalizada, y con la intención de llevar a cabo las acciones para las que ha sido diseñado, el malware está en constante evolución para eludir las técnicas de detección habituales, que van desde simples cambios destinados a evadir la detección basada en firmas hasta complejas variaciones de malware virtualización que pueden evadir la detección basada en el comportamiento. En este proyecto, se diseña un experimento basado en el aprendizaje por refuerzo para mejorar las capacidades de evasión de una muestra de malware autogenerada determinada. Dicho diseño se lleva a cabo definiendo el conjunto de acciones que se pueden realizar para evadir la detección de PE estática; un entorno que evalúa la muestra; una función de recompensa que nos permite minimizar la tasa de detección, y un agente que coordina todo el proceso. Las herramientas utilizadas en el alcance de este proyecto están disponibles para el público en general, incluidas las utilizadas para autogenerar las muestras, así como las utilizadas para emular un entorno con diferentes soluciones antimalware.

Este Trabajo de Fin de Máster se enmarca dentro de un proyecto que intenta desarrollar terapias que permitan entender y controlar enfermedades relacionadas con los trastornos cognitivos. Para ello, se ha hecho un estudio sobre veinte pacientes afectados por este tipo de enfermedades. Este estudio intenta relacionar los estados de ánimo y las actividades realizadas con la aparición de crisis agudas o empeoramientos temporales de los síntomas asociados a estas enfermedades. Poder extraer conclusiones sobre esta relación podría ayudar en la mejora de las condiciones de vida de enfermos con estos trastornos y, para ello, lo que se propone en este proyecto es el desarrollo de una herramienta de Business Intelligence. Para la definición de los requisitos funcionales se han proporcionado una serie de preguntas a las que la herramienta desarrollada tiene que dar respuesta. Con los requisitos funcionales definidos desde un comienzo, se define la estrategia tradicional de gestión de proyectos del PMBOK como método de desarrollo de la herramienta. Asimismo, el resultado obtenido ha sido un panel de cuadros de mando donde se visualizan diferentes elementos que dan respuesta a las preguntas propuestas y que cargan los datos desde un almacén de datos implementado en MySQL. Para la carga del almacén de datos se han implementado procesos ETL mediante el framework Pentaho Data Integration. This Master's Thesis is part of a project that intends to develop therapies that allow understanding and controlling diseases related to cognitive disorders. For this, a study has been conducted on twenty patients affected by these types of diseases. This study tries to relate the moods and activities carried out with the appearance of acute attacks or temporary worsening of the symptoms associated with these diseases. Being able to infer conclusions about this relationship could help improve the living conditions of patients with these disorders and, for this purpose, the development of a Business Intelligence tool has been proposed in this project. For the definition of the functional requirements, a series of questions have been posed, which the developed tool must answer. The traditional PMBOK project management strategy has been chosen as the tool's development method because the functional requirements are known from the beginning. Likewise, the result obtained has been a dashboard panel where different elements are displayed that answer the proposed questions and that load the data from a data warehouse implemented in MySQL. To load the data warehouse, ETL processes have been implemented using the Pentaho Data Integration framework. This project is a solid starting point in the field of Business Intelligence systems. Aquest Treball de Fi de Màster s'emmarca dins d'un projecte que intenta desenvolupar teràpies que permetin entendre i controlar malalties relacionades amb els trastorns cognitius. Per a això, s'ha fet un estudi sobre vint pacients afectats per aquest tipus de malalties. Aquest estudi intenta relacionar els estats d'ànim i les activitats realitzades amb l'aparició de crisis agudes o empitjoraments temporals dels símptomes associats a aquestes malalties. Poder extreure conclusions sobre aquesta relació podria ajudar en la millora de les condicions de vida de malalts amb aquests trastorns i, per això, el que es proposa en aquest projecte és el desenvolupament d'una eina de Business Intelligence. Per a la definició dels requisits funcionals s'han proporcionat una sèrie de preguntes a les que l'eina desenvolupada ha de donar resposta. Amb els requisits funcionals definits des d'un començament, es defineix l'estratègia tradicional de gestió de projectes de l'PMBOK com a mètode de desenvolupament de l'eina. Així mateix, el resultat obtingut ha estat un panell de quadres de comandament on es visualitzen diferents elements que donen resposta a les preguntes proposades i que carreguen les dades des d'un magatzem de dades implementat en MySQL. Per a la càrrega de l'magatzem de dades s'han implementat processos ETL mitjançant el framework Pentaho Data Integration.

The study of cybersecurity threats is an increasingly relevant element for public and private organizations, due to the increasing number of cyber attacks and their impact on the organizations assets and their reputation. Collecting detailed information that allows to determine how future attacks will be is key to anticipate the organizations' defenses. Tactics, techniques and procedures used by threat actors can be collected using several approaches, one being honeypot systems. The effectiveness of these attack information collection targets depend significantly on their ability to present a realistic environment that can lure attackers to reveal their techniques. This project presents a study of designs and implementations of adaptive honeypots, focused on the use of reinforcement learning, to reach more realistic interactions between honeypots and attackers, and an analysis of the existing techniques and performance metrics. L'estudi de les amenaces de ciberseguretat és un element cada vegada més rellevant per a les organitzacions públiques i privades, a causa del nombre creixent d'atacs cibernètics i del seu impacte sobre els actius de les organitzacions i la seva reputació. La recopilació d'informació detallada que permeti determinar com seran els atacs futurs és clau per anticipar-se a les defenses de les organitzacions. Les tàctiques, tècniques i procediments utilitzats pels actors de les amenaces es poden recopilar mitjançant diversos enfocaments, un dels quals és el de sistemes de test. L'eficàcia d'aquests objectius de recollida d'informació sobre atacs depèn significativament de la seva capacitat per presentar un entorn realista que pugui atreure els atacants a revelar les seves tècniques. Aquest projecte presenta un estudi de dissenys i implementacions de pots de mel adaptatius, centrat en l'ús de l'aprenentatge de reforç, per assolir interaccions més realistes entre taques de mel i atacants, i una anàlisi de les tècniques i mètriques de rendiment existents. El estudio de las amenazas a la ciberseguridad es un elemento cada vez más relevante para las organizaciones públicas y privadas, debido al creciente número de ciberataques y su impacto en los activos de las organizaciones y su reputación. Recopilar información detallada que permita determinar cómo serán los ataques futuros es clave para anticipar las defensas de las organizaciones. Las tácticas, técnicas y procedimientos utilizados por los actores de amenazas se pueden recopilar utilizando varios enfoques, uno de los cuales son los sistemas honeypot. La efectividad de estos objetivos de recopilación de información de ataques depende significativamente de su capacidad para presentar un entorno realista que pueda atraer a los atacantes a revelar sus técnicas. Este proyecto presenta un estudio de diseños e implementaciones de honeypots adaptativos, enfocado en el uso del aprendizaje reforzado, para alcanzar interacciones más realistas entre honeypots y atacantes, y un análisis de las técnicas existentes y métricas de desempeño.

El cáncer es una de las principales causas de morbilidad y mortalidad del mundo desde hace años. Aunque su patología es compleja, es sabido que puede estar relacionada en gran medida con alteraciones epigenéticas, como, por ejemplo, la metilación en la posición cinco de la citosina. En este aspecto, el estudio de cambios en los patrones de metilación del ADN podría permitir la identificación de regiones diferencialmente metiladas que pueden actuar como biomarcadores de diagnóstico en las primeras fases del desarrollo de esta enfermedad. Dado que los patrones de metilación pueden variar en función del sexo y la edad, podría resultar de gran utilidad la detección de biomarcadores que sean específicos del sexo o la edad de los pacientes, siendo éste el objetivo principal del presente trabajo. Para realizar este proyecto se descargaron datos de metilación de de arrays llumina Human Methylation 450K de cuatro tipos de cáncer disponibles en The Cancer Genomes Atlas: colon (COAD), hígado (LIHC), pulmón (LUAD) y páncreas (PAAD). Los análisis estadísticos se llevaron a cabo usando el entorno R con el software Rstudio y permitieron identificar metilación diferencial entre las cohortes tejido tumoral vs normal que depende del sexo del paciente para los cuatro tipos de cáncer, así como de la edad para cáncer de colon y pulmón. Además, se comprobó (a excepción del cáncer del páncreas) que hay genes que aparecen únicamente cuando se estudia la interacción tejido tumoral vs normal con las dos covariables. El càncer és una de les principals causes de morbiditat i mortalitat de món des de fa anys. Encara que la seva patologia és complexa, és sabut que pot estar relacionada en gran mesura amb alteracions epigenètiques, com, per exemple, la metilació en la posició cinc de la citosina. En aquest aspecte, l'estudi de canvis en els patrons de metilació de l'ADN podria permetre la identificació de regions diferencialment metilades que poden actuar com a biomarcadors de diagnòstic en les primeres fases de desenvolupament d'aquesta malaltia. Atès que els patrons de metilació poden variar en funció de l'sexe i l'edat, podria resultar de gran utilitat la detecció de biomarcadors que siguin específics de l'sexe o l'edat dels pacients, sent aquest l'objectiu principal de el present treball. Per realitzar aquest projecte es van descarregar dades de metilació de d'arrays llumina Human Methylation 450K de quatre tipus de càncer disponibles a The Cancer Genomes Atles: còlon (Coad), fetge (LIHC), pulmó (LUAD) i pàncrees (PAAD). Les anàlisis estadístiques es van dur a terme fent servir l'entorn R amb el programari Rstudio i van permetre identificar metilació diferencial entre les cohorts teixit tumoral vs normal que depèn de l'sexe de l'pacient per als quatre tipus de càncer, així com de l'edat per càncer de còlon i pulmó. A més, es va comprovar (a excepció de el càncer de pàncrees) que hi ha gens que apareixen únicament quan s'estudia la interacció teixit tumoral vs normal amb les dues covariables. Cancer has been one of the world's leading causes of morbidity and mortality for years. Although its pathology is complex, it is known that it can be largely related to epigenetic alterations, such as methylation at position five of the cytosine. In this aspect, the study of changes in the patterns of DNA methylation could allow the identification of differentially methylated regions that can act as diagnostic biomarkers in the early stages of the development of this disease. The main objective of this work is to detect biomarkers that are specific to the gender or age of patients, due to is has been proven that methylation patterns can vary according to gender and age. In order to carry out this project, methylation data from Illumina Human Methylation 450K arrays were downloaded from four types of cancer available in The Cancer Genome Atlas: colon (COAD), liver (LIHC), lung (LUAD) and pancreas (PAAD). Statistical analyses were made using the R environment with the Rstudio software and these allowed the identification of differential methylation between the tumour tissue vs normal cohorts depending on the patient's gender for all types of cancer, as well as age for colon and liver cancer. In addition, it was proved (except for pancreatic cancer) that there were genes that appear only when the interaction of tumoral vs normal tissue was studied with the two covariates.

La especie Drosophila melanogaster es originaria de África subsahariana y mediante el 'comensalismo' con los humanos se ha expandido por todo el mundo. Debido a la relativamente reciente expansión, los efectos de la adaptación al nuevo clima además del efecto demográfico se deberían de reflejar en el genoma. En una población europea, se habían encontrado huellas de la selección en una región del cromosoma X que incluye el gen phantom. En este trabajo se analiza la variación nucleotídica en esta misma región en busca de huellas de la selección en cuatro poblaciones de D. melanogaster (una norteamericana y tres africanas. Asimismo, se comparan las poblaciones africanas para ver si se han diferenciado. Para ello, las secuencias se ubican en el genoma, se alinean y se analizan mediante los programas bioinformáticos BLAST, MEGA y DnaSp. Con los resultados obtenidos se llega a las siguientes conclusiones: En el caso de las tres poblaciones africanas se observa que se rechaza la neutralidad, pero probablemente este efecto se genere en otra región cercana. En el caso de la población estadounidense la diversidad nucleotídica es muy baja. Aunque se rechaza la neutralidad también se deben de realizar más análisis para comprobar con total certeza la existencia de selección en esta región. Por otro lado, las poblaciones africanas se han diferenciado entre sí, pero al realizar comparaciones en grupos de dos en dos la única diferenciada es la población etíope. Drosophila melanogaster is a specie originated in central Africa that moved to warmer zones. The relatively recent expansion must reflect the effect of the adaptation to the new climate in addition to the demographic effect. The intents of this document are to make a polymorphism analysis in order to uncover the footprint left by selection in the X chromosome where the phantom gene is located and to compare three African populations. The footprint left by selection in this region was uncovered in a European population, so now the survey´s aim is to uncover this effect in a North American and three African populations. Firstly, the sequences are located in the genome, aligned and analyzed using bioinformatic tools such as BLAST, MEGA and DnaSP. As seen in the results, in the case of the three African populations neutrality is rejected, but this effect is probably generated in another nearby region. In the case of the American population, nucleotide diversity is very low. Neutrality is rejected also, but further analysis must be performed to fully verify if selection exists in this region. To finish, African populations have been differentiated from each other, but when making comparisons in groups of two, the only differentiated population is the Ethiopian one. L'espècie Drosophila melanogaster és originària de l'Àfrica subsahariana i mitjançant el 'comensalisme' amb els humans s'ha expandit per tot el món. A causa de la relativament recent expansió, els efectes de l'adaptació a el nou clima a més de l'efecte demogràfic s'haurien de reflectir en el genoma. En una població europea, s'havien trobat petjades de la selecció en una regió de l'cromosoma X que inclou el gen phantom. En aquest treball s'analitza la variació nucleotídica en aquesta mateixa regió a la recerca d'empremtes de la selecció en quatre poblacions de D. melanogaster (una nord-americana-tres africanes. Així mateix, es comparen les poblacions africanes per veure si s'han diferenciat. Per a això, les seqüències se situen en el genoma, s'alineen i s'analitzen mitjançant els programes bioinformàtics BLAST, MEGA i DnaSp. Amb els resultats obtinguts s'arriba a les següents conclusions: en el cas de les tres poblacions africanes s'observa que es rebutja la neutralitat, però probablement aquest efecte es generi en una altra regió propera. en el cas de la població nord-americana la diversitat nucleotídica és molt baixa. Tot i que es rebutja la neutralitat també s'han de realitzar més anàlisis per comprovar amb total certesa l'existència de selecció en aquesta regió. d'altra banda, les poblacions africanes s'han diferenciat entre si, però a l'realitzar comparacions en grups de dos en dos l'única difere nciada és la població etíop.

La adrenoleucodistrofia ligada al cromosoma X (ALD-X) es una enfermedad bien definida genéticamente, pero cuyo fenotipo clínico posee una gran heterogeneidad hasta ahora inexplicable. Las mutaciones en ABCD1 reflejan uno de los fenotipos centrales observado en los pacientes con X-ALD, la adrenomieloneuropatía (AMN). Sin embargo, estas mutaciones por si solas no explican el fenotipo correspondiente a la adrenoleucodistrofia cerebral (CALD). Diferentes mecanismos desconocidos parecen estar implicados en la enfermedad. Con el fin de determinar los factores genéticos y moleculares implicados en el desarrollo de la CALD se han realizado análisis de expresión, de co-expresión y de enriquecimiento funcional partiendo de los datos de secuenciación. Para ello, se empleó la herramienta DEgenes Hunter para comparar, en un primer momento,18 muestras de procedencia heterogénea y, en segundo lugar, seis muestras procedentes del mismo tipo celular para evitar el sesgo resultante de los diferentes tipos celulares. El análisis reveló que uno de los genes sometidos a una mayor inhibición es CNTN4, el cual codifica para una proteína de adhesión celular implicada en la formación de conexiones en el sistema nervioso en desarrollo. Además, se propone la hipótesis de que la disminución de ácido lisofosfolipídico, molécula señal que participa en la adhesión celular, podría estar participando en la desmielinización característica de la enfermedad. X-linked adrenoleukodystrophy (X-ALD) is a genetically well-defined disease, but the clinical phenotype of which has hitherto unexplained great heterogeneity. Mutations in ABCD1 reflect one of the central phenotypes seen in patients with X-ALD, adrenomyeloneuropathy (AMN). However, these mutations alone do not explain the phenotype corresponding to cerebral adrenoleukodystrophy (CALD). Different unknown mechanisms appear to be involved in the disease. In order to determine the genetic and molecular factors involved in the development of CALD, expression, co-expression and functional enrichment analyzes have been carried out based on the sequencing data. To this end, the DEgenes Hunter tool was used to compare, firstly, 18 samples of heterogeneous origin and, secondly, six samples from the same cell type to avoid the bias resulting from the different cell types. The analysis revealed that one of the most inhibited genes is CNTN4, which codes for a cell adhesion protein involved in the formation of connections in the developing nervous system. Furthermore, the hypothesis is proposed that the decrease in lysophospholipidic acid, a signal molecule that participates in cell adhesion, could be participating in the demyelination characteristic of the disease. La adrenoleucodistròfia lligada a l'cromosoma X (ALD-X) és una malaltia ben definida genèticament, però el fenotip clínic posseeix una gran heterogeneïtat fins ara inexplicable. Les mutacions en ABCD1 reflecteixen un dels fenotips centrals observat en els pacients amb X-ALD, la adrenomieloneuropatía (AMN). No obstant això, aquestes mutacions per si soles no expliquen el fenotip corresponent a l'adrenoleucodistròfia cerebral (CALD). Diferents mecanismes desconeguts semblen estar implicats en la malaltia. Per tal de determinar els factors genètics i moleculars implicats en el desenvolupament de la CALD s'han realitzat anàlisis d'expressió, de co-expressió i d'enriquiment funcional partint de les dades de seqüenciació. Per a això, es va emprar l'eina DEgenes Hunter per comparar, en un primer moment, 18 mostres de procedència heterogènia i, en segon lloc, sis mostres procedents de el mateix tipus cel·lular per evitar el biaix resultant dels diferents tipus cel·lulars. L'anàlisi va revelar que un dels gens sotmesos a una major inhibició és CNTN4, el qual codifica per a una proteïna d'adhesió cel·lular implicada en la formació de connexions en el sistema nerviós en desenvolupament. A més, es proposa la hipòtesi que la disminució d'àcid lisofosfolipídico, molècula senyal que participa en l'adhesió cel·lular, podria estar participant en la desmielinització característica de la malaltia.

Generative adversarial networks have been recently applied to medical imaging on different modalities (MRI, CT, X-ray, etc). However there are not many applications on ultrasound modality as a data augmentation technique applied to downstream classification tasks. This experimental case study aims to explore and evaluate the generation of synthetic ultrasound fetal brain images via generative adversarial networks and apply to ultrasound fetal brain plane classification tasks. State of the art Generative Adversarial Networks stylegan2-ada was applied to fetal brain image generation and GAN-based data augmentation classifiers were compared with baseline classifiers. Our experimental results show that GAN-Based data augmentation combined with classical data augmentation outperforms classifiers with only classical data augmentation by 2% in both accuracy and area under the curve score. Recentment s'han aplicat xarxes controvertides generatives a la imatge mèdica en diferents modalitats (ressonància magnètica, tomografia computada, radiografia, etc.). Tanmateix, no hi ha moltes aplicacions sobre la modalitat d'ecografia com a tècnica d'augment de dades aplicada a tasques de classificació posteriors. Aquest estudi de casos experimentals té com a objectiu explorar i avaluar la generació d'imatges cerebrals fetals d'ultrasons sintètics mitjançant xarxes adversàries generatives i aplicar-se a tasques de classificació del pla cerebral fetal per ultrasons. L'estil de les xarxes adversàries generatives stylegan2-ada es va aplicar a la generació d'imatges cerebrals fetals i es van comparar els classificadors d'augment de dades basats en GAN amb els classificadors de la línia de base. Els nostres resultats experimentals mostren que l'augment de dades basat en GAN combinat amb l'augment de dades clàssic supera els classificadors amb només un augment de dades clàssic en un 2% tant en la precisió com en l'àrea sota la puntuació de la corba. Las redes generativas adversarias se han aplicado recientemente a la imagen médica en diferentes modalidades (resonancia magnética, tomografía computarizada, rayos X, etc.). Sin embargo, no hay muchas aplicaciones en la modalidad de ultrasonido como técnica de aumento de datos aplicada a tareas de clasificación posteriores. Este estudio de caso experimental tiene como objetivo explorar y evaluar la generación de imágenes sintéticas del cerebro fetal por ultrasonido a través de redes generativas adversarias y aplicarlo a las tareas de clasificación del plano cerebral fetal por ultrasonido. Se aplicó el estilo de las Redes Adversarias Generativas de última generación a la generación de imágenes cerebrales fetales y se compararon los clasificadores de aumento de datos basados en GAN con los clasificadores de línea de base. Nuestros resultados experimentales muestran que el aumento de datos basado en GAN combinado con el aumento de datos clásico supera a los clasificadores con solo el aumento de datos clásico en un 2% tanto en precisión como en el área bajo la puntuación de la curva.

The analysis of brain magnetic resonance imaging (MRI) is critical for a proper diagnosis and treatment of neurological diseases. Improvements in this eld can lead to better health quality. Numerous branches can be still enhanced due to the nature of MRI recompilation: disease detection and segmentation, data augmentation, improvement in data collection, or image enhancement are some of them. For several years, many approaches have been taken to address this. Machine Learning and Deep Learning emerge as very popular approaches to solve problems. Several kinds of data mining solutions (supervised, unsupervised, dimension reduction, generative models, etc) and algorithms can be applied to the problem-solving of MRI. Besides, new emerging deep learning architectures for other kinds of image processing tasks can be helpful. New types of convolution, autoencoders or generative adversarial networks are some of them. Therefore, the purpose of this work is to apply one of these new techniques to T1 weighted brain MRI (T1WMRI). We will develop a Deep Convolutional Autoencoder, which can be used to help with some problems in neuroimaging. The input of the Autoencoder will be control T1WMRI and will aim to return the same image, with the problem that, inside its architecture, the image travels through a lower-dimensional space, so the reconstruction of the original image becomes more difficult. Thus, the Autoencoder represents a normative model. This normative model will define a distribution (or normal range) for the neuroanatomical variability for the illness absence. Once trained with these control images, we will discuss the potential application of the autoencoder like noise reducer or disease detector. El análisis de las resonancias magnéticas cerebrales es fundamental para un diagnostico y tratamiento adecuados de las enfermedades neurológicas. Se pueden mejorar ámbitos del análisis debido a la naturaleza de la recopilación de resonancias: detección y segmentación de enfermedades, aumento de datos, mejora en la extracción o mejora de imágenes. El aprendizaje automático y el aprendizaje profundo surgen como nuevas alternativas populares para resolver estos problemas. Se pueden aplicar varios enfoques de minería de datos y algoritmos para la resolución de problemas relacionados con la neuroimagen (supervisados, no supervisados, reducción de dimensionalidad, modelos generativos, etc.). Además, las nuevas arquitecturas emergentes de aprendizaje profundo, desarrollados para otro tipo de tareas de imagen, pueden ser útiles. Algunas de ellas son nuevos tipos de convolución, autoencoders o redes generativas adversiales (GAN). Por lo tanto, el propósito de este trabajo es aplicar una de estas nuevas técnicas a resonancias cerebrales tipo T1. Desarrollaremos un Autoencoder convolucional profundo, que puede usarse para ayudar con algunos problemas de neuroimagen. La entrada del Autoencoder será el imágenes de control T1WMRI y tendría como objetivo devolver la misma imagen, con la problemática de que, dentro de su arquitectura, la imagen viaja por un espacio de menor dimensión, por lo que la reconstrucción de la imagen original se vuelve más difícil. El autoencoder representa un modelo normativo. Este modelo normativo defina una distribución (o rango normal) para la variabilidad neuroanatómica para la ausencia de enfermedad. Una vez entrenado con imágenes de control, discutiremos la aplicación potencial del Autoencoder como reductor de ruido o detector de enfermedades. L'anàlisi de les ressonàncies magnètiques cerebrals és fonamental per a un diagnostico i tractament adequats de les malalties neurològiques. Es poden millorar àmbits de l'anàlisi a causa de la naturalesa de la recopilació de ressonàncies: detecció i segmentació de malalties, augment de dades, millora en l'extracció o millora d'imatges. L'aprenentatge automàtic i l'aprenentatge profund sorgeixen com a noves alternatives populars per a resoldre aquests problemes. Es poden aplicar diversos enfocaments de mineria de dades i algorismes per a la resolució de problemes relacionats amb la neuroimagen (supervisats, no supervisats, reducció de dimensionalitat, models generatius, etc.). A més, les noves arquitectures emergents d'aprenentatge profund, desenvolupats per a una altra mena de tasques d'imatge, poden ser útils. Algunes d'elles són nous tipus de convolució, autoencoders o xarxes generatives adversiales (GAN). Per tant, el propòsit d'aquest treball és aplicar una d'aquestes noves tècniques a ressonàncies cerebrals tipus T1. Desenvoluparem un Autoencoder convolucional profund, que pot usar-se per a ajudar amb alguns problemes de neuroimagen. L'entrada del Autoencoder serà l'imatges de control T1WMRI i tindria com a objectiu retornar la mateixa imatge, amb la problemàtica que, dins de la seva arquitectura, la imatge viatja per un espai de menor dimensió, per la qual cosa la reconstrucció de la imatge original es torna més difícil. El autoencoder representa un model normatiu. Aquest model normatiu defineixi una distribució (o rang normal) per a la variabilitat neuroanatómica per a l'absència de malaltia. Una vegada entrenat amb imatges de control, discutirem l'aplicació potencial del Autoencoder com a reductor de soroll o detector de malalties.

La Ressonància Magnètic Nuclear (RMN) és una tècnica analítica utilitzada àmpliament per l'anàlisi química de mostres de diferent procedència. En aquest treball es presenta una ontologia per al concepte seqüència de polsos per RMN en experiments d'estat líquid. L'ontologia es centra en la classificació jeràrquica dels experiments segons les seves dimensions i el(s) nucli(s) d'adquisició. Altre coneixement rellevant que gestiona són les característiques principals dels experiments, la seva referència bibliogràfica, el seu codi font i la llibreria on el podem trobar. Per a la creació de l'ontologia s'ha utilitzat el programari Protégé i s'ha utilitzat una metodologia que ha combinat un procés lineal amb un d'iteratiu. Nuclear Magnetic Resonance (NMR) is an analytical technique widely used for chemical analysis of samples from different origins. This study presents an ontology for the concept "NMR pulse sequence" in liquid state experiments. The ontology focuses on the hierarchical classification of experiments according to their dimensions and the acquisition nucleus. Other relevant knowledge that manages is the main features of the experiments, their bibliographic reference, their source code or the library where we can find it. For the creation of the ontology protégé software has been used and the design methodology has combined a linear process with an iterative one. The main purpose of the ontology is to extract useful information from it. La Resonancia Magnético Nuclear (RMN) es una técnica analítica utilizada ampliamente para el análisis químico de muestras de diferente procedencia. En este trabajo se presenta una ontología para el concepto "secuencia de pulsos por RMN" en experimentos de estado líquido. La ontología se centra en la clasificación jerárquica de los experimentos según sus dimensiones y el (los) núcleo (s) de adquisición. Otro conocimiento relevante que gestiona son las características principales de los experimentos, su referencia bibliográfica, su código fuente y la librería donde lo podemos encontrar. Para la creación de la ontología se ha utilizado el software Protégé y se ha utilizado una metodología que ha combinado un proceso lineal con uno de iterativo.

Durante la progresión de adenoma (AD) a adenocarcinoma (ADK) en el cáncer colorrectal (CCR), las células adquieren alteraciones genómicas, tanto en el número de copia (CNA) como variantes de un solo nucleótido (SNV), que favorecen la proliferación tumoral. El análisis integral de las CNA y las SNV es necesario para comprender la heterogeneidad intra-tumoral y la progresión de los tumores y para mejorar los tratamientos. La secuenciación completa del genoma (WGS) ha revolucionado el estudio genómico del CCR, pero su alto coste limita la accesibilidad a esta técnica. En este sentido, el WGS de baja cobertura (LP-WGS) ofrece las principales ventajas del WGS pero a un coste más asequible. El objetivo de este estudio era analizar las diferencias entre regiones de AD y de ADK de 23 muestras de AD avanzados, principalmente en el perfil de CNA, a partir de datos LP-WGS, y adicionalmente en las SNV identificadas mediante secuenciación dirigida. El análisis de las CNA ha permitido identificar correctamente las principales CNA amplias (a nivel de brazo cromosómico) asociadas a la progresión del CCR. Los datos LP-WGS también han permitido identificar CNA focales (alteraciones localizadas) que pueden estar relacionadas con la evolución AD-ADK. Además, se ha logrado identificar las SNV, y los genes correspondientes, que tienen un mayor impacto en la carcinogénesis del CCR. Por lo tanto, el LP-WGS es una técnica coste-efectiva para la detección de CNA que, en combinación con otras técnicas de secuenciación, puede contribuir firmemente a una mejor comprensión de la genética del CCR. Durant la progressió d'adenoma (AD) a adenocarcinoma (ADK) en el càncer colorectal (CCR), les cèl·lules adquireixen alteracions genòmiques, tant en el nombre de còpia (CNA) com a variants d'un sol nucleòtid (SNV), que afavoreixen la proliferació tumoral. L'anàlisi integral de les CNA i les SNV és necessari per comprendre l'heterogeneïtat intra-tumoral i la progressió dels tumors i per millorar els tractaments. La seqüenciació completa de l'genoma (WGS) ha revolucionat l'estudi genòmic de el CCR, però el seu alt cost limita l'accessibilitat a aquesta tècnica. En aquest sentit, el WGS de baixa cobertura (LP-WGS) ofereix els principals avantatges de l'WGS però a un cost més assequible. L'objectiu d'aquest estudi era analitzar les diferències entre regions d'AD i de ADK de 23 mostres d'AD avançats, principalment en el perfil de CNA, a partir de dades LP-WGS, i addicionalment en les SNV identificades mitjançant seqüenciació dirigida. L'anàlisi de les CNA ha permès identificar correctament les principals CNA àmplies (a nivell de braç cromosòmic) associades a la progressió de l'CCR. Les dades LP-WGS també han permès identificar CNA focals (alteracions localitzades) que poden estar relacionades amb l'evolució AD-ADK. A més, s'ha aconseguit identificar les SNV, i els gens corresponents, que tenen un major impacte en la carcinogènesi de el CCR. Per tant, el LP-WGS és una tècnica cost-efectiva per a la detecció de CNA que, en combinació amb altres tècniques de seqüenciació, pot contribuir fermament a una millor comprensió de la genètica de l'CCR. During the progression from adenoma (AD) to adenocarcinoma (ADK) in colorectal cancer (CRC), cells acquire genomic alterations, both in copy number (CNA) and single nucleotide variants (SNV), which favor proliferation tumor. Comprehensive analysis of CNAs and SNVs is necessary to understand intra-tumor heterogeneity and tumor progression and to improve treatments. Whole genome sequencing (WGS) has revolutionized the genomic study of CRC, but its high cost limits the accessibility of this technique. In this sense, the low coverage WGS (LP-WGS) offers the main advantages of the WGS but at a more affordable cost. The objective of this study was to analyze the differences between AD and ADK regions of 23 advanced AD samples, mainly in the CNA profile, from LP-WGS data, and additionally in the SNVs identified by targeted sequencing. The analysis of the CNAs has made it possible to correctly identify the main broad CNAs (at the chromosomal arm level) associated with the progression of CRC. The LP-WGS data have also made it possible to identify focal CNAs (localized alterations) that may be related to AD-ADK evolution. In addition, it has been possible to identify the SNVs, and the corresponding genes, that have a greater impact on the carcinogenesis of CRC. Therefore, LP-WGS is a cost-effective technique for CNA detection that, in combination with other sequencing techniques, can strongly contribute to a better understanding of CRC genetics.

Brain magnetic resonance imaging (MRI) is a well-known medical imaging modality used by physicians to diagnose neurological disorders. A professional with great knowledge in the field can analyze the obtained 3D volume to detect abnormalities. The main goal of this project is to design and develop a neural network model capable of reconstructing brain MRIs by using an unsupervised approach. In essence, it has to give as result the healthy version of the brain used as input. Therefore, the model has to learn the intrinsic patterns from the healthy brains in order to transfer them to the output. For that reason, T1-weighted images from the IXI Dataset have been used to train our models only with pathology-free images. To ensure the model was learning the desired patterns, not only copying the input directly into the output, the data has been corrupted by applying different types of noise and by masking-out regions. Motivated by the autoencoders simplicity, and with the intention of generating the resulting images with better quality, some experiments have been conducted using different loss functions and trying with different types of skipped connections. The use of both residual blocks and shortcuts to skip long connections has been the combination that has led to the best results. La resonancia magnética cerebral (RM) es una modalidad de imaginología médica bien conocida utilizada por los médicos para diagnosticar trastornos neurológicos. Un profesional con gran conocimiento en la materia puede analizar el volumen 3D obtenido para detectar anomalías. El objetivo principal de este proyecto es diseñar y desarrollar un modelo de red neuronal capaz de reconstruir resonancias magnéticas cerebrales mediante un enfoque no supervisado. En esencia, tiene que dar como resultado la versión saludable del cerebro utilizada como entrada. Por lo tanto, el modelo tiene que aprender los patrones intrínsecos de los cerebros sanos para transferirlos a la salida. Por esa razón, las imágenes ponderadas en T1 del IXI Dataset se han utilizado para entrenar nuestros modelos solo con imágenes libres de patologías. Para asegurarse de que el modelo estaba aprendiendo los patrones deseados, no solo copiando la entrada directamente en la salida, los datos se corrompieron al aplicar diferentes tipos de ruido y enmascarar regiones. Motivados por la sencillez de los autocodificadores, y con la intención de generar las imágenes resultantes con mejor calidad, se han realizado algunos experimentos utilizando diferentes funciones de pérdida y probando con distintos tipos de conexiones saltadas. El uso de bloqueos residuales y atajos para omitir conexiones largas ha sido la combinación que ha dado lugar a los mejores resultados. La ressonància magnètica cerebral (RM) és una coneguda modalitat d'imatge mèdica que utilitzen els metges per diagnosticar trastorns neurològics. Un professional amb un gran coneixement en la matèria pot analitzar el volum 3D obtingut per detectar anomalies. L'objectiu principal d'aquest projecte és dissenyar i desenvolupar un model de xarxa neuronal capaç de reconstruir les ressonàncies magnètiques cerebrals mitjançant un enfocament no supervisat. En essència, ha de donar com a resultat la versió sana del cervell que s'utilitza com a entrada. Per tant, el model ha d'aprendre els patrons intrínsecs dels cervells sans per transferir-los a la sortida. Per aquest motiu, les imatges ponderades en T1 del conjunt de dades IXI s'han utilitzat per entrenar els nostres models només amb imatges lliures de patologia. Per garantir que el model aprenia els patrons desitjats, no només copiant l'entrada directament a la sortida, les dades s'han corromput aplicant diferents tipus de soroll i enmascarant les regions. Motivats per la senzillesa dels codificadors automàtics i amb la intenció de generar les imatges resultants amb una millor qualitat, s'han dut a terme alguns experiments utilitzant diferents funcions de pèrdua i provant amb diferents tipus de connexions saltades. L'ús de blocs residuals i dreceres per saltar connexions llargues ha estat la combinació que ha donat els millors resultats.

The project explores the current State-of-the-Art of NLP, researches different biomedical datasets, and applies the SciSpacy library to extract and recognize entities from the CORD-19 dataset, a growing data collection with over 500.000 scientific papers linked to COVID-19. The data extraction code is written in Python and deployed in the Kaggle platform. Different visualization software such as Tableau and Gephi has been used to represent the extracted entities in the post-processing analysis. El proyecto explora el estado actual de la PNL, investiga diferentes conjuntos de datos biomédicos y aplica la biblioteca SciSpacy para extraer y reconocer entidades del conjunto de datos CORD-19, una creciente recopilación de datos con más de 500.000 documentos relacionados con COVID-19. El código de extracción de datos está escrito en Python y se implementa en la plataforma Kaggle. Se han utilizado diferentes software de visualización como Tableau y Gephi para representar las entidades extraídas en el análisis de posprocesamiento. El projecte explora l'estat actual de l'art de la PNL, investiga diferents conjunts de dades biomèdics i aplica la biblioteca SciSpacy per extreure i reconèixer entitats del conjunt de dades CORD-19, una recopilació de dades creixent amb més de 500.000 científics papers vinculats a COVID-19. El codi d'extracció de dades s'escriu a Python i es desplega a la plataforma Kaggle. S'han utilitzat diferents programes de visualització com Tableau i Gephi les entitats extretes a l'anàlisi de post-processament.

Hoy en día resulta imprescindible el uso de datos biológicos de alta resolución en un ámbito Biomédico. Esta información molecular, expresada en diferentes enfoques ómicos (genómica, transcriptómica, proteómica, metabolómica), explica diferentes parcelas de la variabilidad biológica humana. La integración de capas ómicas es un procedimiento que se viene realizando habitualmente mediante protocolos diversos. Sin embargo, la conjunción de información de alta resolución molecular con datos no-ómicos resulta más problemática. En este trabajo se pretende realizar un análisis sistemático de las metodologías enfocadas hoy en día a la integración de capas ómicas con la correspondiente información clínica, epidemiológica o demográfica de los pacientes. Este proceso se lleva a cabo mediante el uso de aproximaciones bioestadísticas alternativas (métodos multivariantes, de regresión o de redes de similaridad) que son evaluadas en términos de su rendimiento. En cuanto al set de datos empleado, hemos escogido un proyecto de The Cancer Genome Atlas (TCGA) compuesto por alrededor de 180 muestras analizadas para varias capas ómicas y con una rica información clínica disponible. En concreto, nos hemos centrado en las vertientes de expresión génica (transcriptómica) y metilación (epigenómica). Nuestros resultados muestran una elevada heterogeneidad entre los diferentes métodos empleados, en términos del procedimiento de integración, de selección de variables (genes/variables clínicas) y de explotación de los datos. La naturaleza y comportamiento de la variable respuesta escogida ha podido afectar a los resultados obtenidos en nuestro estudio. Posteriores estudios, basados en diferentes datasets o en variables respuesta alternativas, podrían conseguir la construcción de modelos predictivos más robustos. Nowadays, using high-resolution biological data in a Biomedical context is essential. This molecular information, showed in different omics approaches (genomics, transcriptomics, proteomics, metabolomics), explains different sides of the human biological variability. Omics data integration is a procedure usually performed by different methods. However, the inclusion of high-resolution molecular information with non-omics data is more troubled. The aim of the present study is to perform a systematic analysis of the methodologies focused to omics and clinical/epidemiological/demographic information from patients, by the use of alternative biostatistics tests (multivariate, regression or similarity network methods) that are evaluated in terms of their performance. We chose a The Cancer Genome Atlas-TCGA project, composed by around 180 samples analyzed for several omics layers and with a rich clinical information available. Specifically, we focused on gene expression (transcriptomics) and methylation (epigenomics). Our results showed a high heterogeneity among the different methods used, regarding integration process, feature selection (genes/clinical variables) and data mining. The nature and behaviour of the selected outcome could affect the results drawn from the present work. Further studies, based on different datasets or alternative outcome variables, could reach the development of stronger predictive models. Avui dia resulta imprescindible l'ús de dades biològiques d'alta resolució en un àmbit Biomèdic. Aquesta informació molecular, expressada en diferents enfocaments òmics (genòmica, transcriptòmica, proteòmica, metabolòmica), explica diferents parcel·les de la variabilitat biològica humana. La integració de capes òmiques és un procediment que es realitza habitualment mitjançant protocols diversos. No obstant això, la conjunció d'informació d'alta resolució molecular amb dades no-òmics resulta més problemàtica. En aquest treball es pretén realitzar una anàlisi sistemàtica de les metodologies enfocades avui dia a la integració de capes òmiques amb la corresponent informació clínica, epidemiològica o demogràfica dels pacients. Aquest procés es duu a terme mitjançant l'ús d'aproximacions bioestadístiques alternatives (mètodes multivariants, de regressió o de xarxes de similitud) que són avaluades en termes del seu rendiment. Quant al set de dades emprat, hem triat un projecte de The Cancer Genome Atles (TCGA) compost per al voltant de 180 mostres analitzades per a diverses capes òmiques i amb una rica informació clínica disponible. En concret, ens hem centrat en els vessants d'expressió gènica (transcriptòmica) i metilació (epigenòmica). Els nostres resultats mostren una elevada heterogeneïtat entre els diferents mètodes emprats, en termes del procediment d'integració, de selecció de variables (gens/variables clíniques) i d'explotació de les dades. La naturalesa i comportament de la variable resposta triada ha pogut afectar els resultats obtinguts en el nostre estudi. Posteriors estudis, basats en diferents datasets o en variables resposta alternatives, podrien aconseguir la construcció de models predictius més robustos.

Wastewater treatment plants are the responsible for treating and sanitizing water from different sources by physical, chemical and biological processes. One of the public concerns is the spread of engineered DNA and proliferation of antibiotic resistances released caused by transgenic microorganisms. Hotspots, such as wastewater samples, are composed by a large, complex microbial communities that, under certain environmental factors, are capable of taking up free genetic fragments or exchange DNA between them. Uptake of DNA by microorganisms could generate the well-known superbugs or microorganisms resistant to two or more antibiotics. Hi-C sequencing allows 3D-conformational linkage between genetic elements. Thus, giving the possibility to link which antibiotic resistance genes (ARGs) and mobile genetic elements (MGE) from complex communities, such as activated sludge, are enclosed inside which specific microorganisms. In this master thesis, an already published Hi-C dataset from activated sludge has been used to develop and test the pipeline. The bioinformatic analysis has consisted on developing and publishing (GitHub: https://github.com/davidcalfran/Linking-Hi-C-to-metagenome-data-pipeline) a pipeline in order to quantify the interactions between specific microbial clusters and contigs containing hits for ARGs, plasmids and integrons. Results have shown that there are specific microorganisms' families that have a bigger predisposition to uptake or exchange ARGs and MGEs, specifically microorganisms from the Aeromonadaceaee, Neisseriaceae and Moraxellaceae families, which corresponded to the microorganisms selected as hosts in the reference study. Hi-C results obtained with this pipeline does still follow the same trend as the reference study even if improvements must be performed in order to magnify the host:target gene resolution. Las plantas de tratamiento de aguas residuales son responsables de tratar y desinfectar el agua mediante procesos físicos, químicos y biológicos. Preocupa la propagación de ADN recombinante y la proliferación de resistencias a antibióticos. Los puntos críticos, como las muestras de aguas residuales, están compuestos por comunidades microbianas complejas que son capaces de incorporar ADN extracelular o intercambiar ADN entre ellos pudiendo generar lo que se conoce como "superbacterias" o microorganismos resistentes a dos o más antibióticos. Hi-C permite el enlace conformacional en 3D entre elementos genéticos. Brinda la posibilidad de vincular qué genes de resistencia a antibióticos (ARGs) y elementos genéticos móviles (MGE) de comunidadescomplejas, como lodos activados, están en familias microbianas específicas. En esta tesis, datos HiC ya disponibles de lodos activados se han utilizado para desarrollar un pipeline. El análisis bioinformático ha consistido en desarrollar y publicar (en GitHub: https://github.com/davidcalfran/Linking-Hi-C-to-metagenome-data-pipeline) un pipeline para cuantificar las interacciones entre grupos microbianos específicos y contigs que contienen hits para ARG, plásmidos e integrones. El análisis de los resultados ha demostrado que hay familias de microorganismos específicos que tienen mayor predisposición a captar o intercambiar ARGs y MGEs, específicamente microorganismos de la familia Aeromonadaceaee, Neisseriaceae y Moraxellaceae, que corresponderían a los microorganismos seleccionados como potenciales huéspedes en el estudio de referencia. Los resultados de Hi-C obtenidos con este pipeline siguen la misma tendencia que el estudio de referencia, incluso habiendo mejoras a realizar con el fin de ampliar la visualización y resolución de la interacción gen objetivo y huésped. Les plantes de tractament d'aigües residuals són responsables de tractar i desinfectar l'aigua mitjançant processos físics, químics i biològics. Preocupa la propagació d'ADN recombinant i la proliferació de resistències a antibiòtics. Els punts crítics, com les mostres d'aigües residuals, estan composts per comunitats microbianes complexes que són capaces d'incorporar ADN extracelul·lar o intercanviar ADN entre ells podent generar el que es coneix com "superbacterias" o microorganismes resistents a dos o més antibiòtics. Hi-C permet l'enllaç conformacional en 3D entre elements genètics. Brinda la possibilitat de vincular quins gens de resistència a antibiòtics (ARGs) i elements genètics mòbils (MGE) de comunitats complexes, com a llots activats, estan en famílies microbianes específiques. En aquesta tesi, dades HiC ja disponibles de llots activats s'han utilitzat per a desenvolupar un pipeline. L'anàlisi bioinformàtic ha consistit a desenvolupar i publicar (en GitHub: https://github.com/davidcalfran/linking-hi-c-to-metagenome-data-pipeline) un pipeline per a quantificar les interaccions entre grups microbians específics i contigs que contenen hits per a ARG, plasmidis i integrons. L'anàlisi dels resultats ha demostrat que hi ha famílies de microorganismes específics que tenen major predisposició a captar o intercanviar ARGs i MGEs, específicament microorganismes de la família Aeromonadaceaee, Neisseriaceae i Moraxellaceae, que correspondrien als microorganismes seleccionats com a potencials hostes en l'estudi de referència. Els resultats de Hi-C obtinguts amb aquest pipeline segueixen la mateixa tendència que l'estudi de referència, fins i tot havent-hi millores a realitzar amb la finalitat d'ampliar la visualització i resolució de la interacció gen objectiu i hoste.

Les malalties minoritàries són un problema social que afecta a drets de caràcter humanitari bàsics com la igualtat social. La majoria de pacients que les pateixen estan desemparats per afrontar-les. Per lluitar contra elles, és necessari definir el suport a la investigació, el desenvolupament de medicaments, la creació de xarxes entre grups de pacients, per tal d'intensificar la lluita, la sensibilització i moltes altres accions socials organitzades. Amb l'objectiu de reduir l'impacte de les malalties rares en la vida de pacients i familiars, aquest treball caracteritza el contingut de les dades de Twitter captades al voltant del Dia Mundial de les Malalties Minoritàries de l'any 2020 per actuar en aquesta direcció. Aquesta caracterització de dades socials, es realitzarà des de 2 punts de vista, estructural i d'anàlisi de continguts. S'aplicaran tècniques d'aprenentatge automàtic no supervisat per tal de trobar les comunitats d'usuaris emergents existents en aquesta temàtica. Disposar de les comunitats d'usuaris ens permetrà donar veu i potenciar tots els aspectes que les uneix i disposar d'un criteri per la presa de decisions envers el seu grau d'atenció actual i el necessari en el futur. Un altre repte és l'estructuració de mesures pràctiques i recomanacions d'accions envers les conclusions de l'anàlisi orientades al suport als pacients i lluita contra les malalties minoritàries. Los enfermedades minoritarias son un problema social que afecta a derechos de carácter humanitario básicos como la igualdad social. La mayoría de pacientes que los sufren están desamparados para afrontar-los. Para luchar contra elles, es necesario definir el apoyo a la investigación, el desarrollo de medicamentos, la creación de redes entre grupos de pacientes, para intensificar la lucha, la sensibilización y otras muchas acciones sociales organizadas. Con el objetivo de reducir lo impacte de los enfermedades raras en la vida de pacientes y familiares, este trabajo caracteriza el contenido de los datos de Twitter captadas alrededor del Día Mundial de las Enfermedades Minoritarias del año 2020 para actuar en esta dirección. Esta caracterización de datos sociales, es realizará des de 2 puntos de vista, estructural y de análisis de contenidos. Se aplicaran técnicas de aprendizaje automático no supervisado para encontrar los comunidades de usuarios emergentes existentes en esta temática. Disponer de los comunidades de usuarios nos permitirá dar voz y potenciar todos los aspectos que los une y disponer de un criterio por la toma de decisiones hacia su grado de atención actual y el necesario en el futuro.Otro reto es la estructuración de mesures prácticas y recomendaciones de acciones hacia los conclusiones del análisis orientadas al apoyo a los pacientes y lucha contra los enfermedades minoritarias. Minority diseases are a social problem that affects basic humanitarian rights such as social equality. Most patients suffering from them are helpless to cope with them. To fight against them, it is necessary to define support for research, drug development, networking among patient groups, to intensify the fight, awareness raising and many other organized social actions. With the aim of reducing the impact of rare diseases on the lives of patients and families, this work characterizes the content of Twitter data captured around the World Rare Disease Day 2020 to act in this direction. This characterization of social data will be performed from 2 points of view, structural and content analysis. Unsupervised machine learning techniques will be applied to find existing emerging user communities on this topic. The availability of user communities will allow us to give voice and enhance all the aspects that unite them and to have a criterion for decision making towards their current level of attention and the necessary in the future. Another challenge is the structuring of practical measures and recommendations of actions towards the conclusions of the analysis oriented towards the support of patients and the fight against minority diseases.

Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) infection is typically very mild and often asymptomatic in children. Also, children and adolescents are less susceptible to the infection. Anyway, some children require hospitalization and rarely develop a severe multisystem inflammatory syndrome. Risk factors are widely studied in adults but there are not studies with large databases in children. Regarding IFN signature there is also little knowledge in its behaviour in children. Our goal is to bring new results in these two lines. Using generalized additive models we have found that risk factors in children are different than in adults. Risk factors in adults are comorbid conditions often considered acquired or probably related with unhealthy lifestyle but in children are congenital conditions. There are no significant gender differences in children. SOCS1 (suppressor of cytokine signaling 1) and CIITA (major histocompatibility complex class II transactivator) gene have an inverse relationship between them. We can use SOCS1 y CIITA levels, using a decision tree, to classify cases between mild and severe: low levels of CIITA and high of SOCS1 are related with severe cases. Finally, we observed that CIITA levels are higher in children than in adults. This could provide children protection against the infection and could open a new research line for treatments. La infección por coronavirus del síndrome respiratorio agudo severo 2 (SARS-CoV-2) suele ser muy leve y a menudo asintomática en los niños. Además, los niños y adolescentes son menos susceptibles a la infección. De todos modos, algunos niños requieren hospitalización y rara vez desarrollan un síndrome inflamatorio multisistémico grave. Los factores de riesgo están ampliamente estudiados en adultos pero no hay estudios con grandes bases de datos en niños. En cuanto a la firma del IFN también hay poco conocimiento en su comportamiento en niños. Nuestro objetivo es aportar nuevos resultados en estas dos líneas. Utilizando modelos aditivos generalizados hemos encontrado que los factores de riesgo en los niños son diferentes a los de los adultos. Los factores de riesgo en los adultos son condiciones comórbidas que a menudo se consideran adquiridas o probablemente relacionadas con un estilo de vida poco saludable, pero en los niños son condiciones congénitas. No hay diferencias significativas de género en los niños. Los genes SOCS1 (supresor de la señalización de citoquinas 1) y CIITA (transactivador del complejo mayor de histocompatibilidad de clase II) tienen una relación inversa entre ellos. Podemos utilizar los niveles de SOCS1 y CIITA, mediante un árbol de decisión, para clasificar los casos entre leves y graves: niveles bajos de CIITA y altos de SOCS1 están relacionados con casos graves. Finalmente, observamos que los niveles de CIITA son más altos en los niños que en los adultos. Esto podría proporcionar a los niños protección contra la infección y podría abrir una nueva línea de investigación para los tratamientos. La infecció per coronavirus de la síndrome respiratòria aguda sever 2 (SARS-CoV-2) sol ser molt lleu i sovint asimptomàtica en els nens. A més, els nens i adolescents són menys susceptibles a la infecció. De totes maneres, alguns nens requereixen hospitalització i rares vegades desenvolupen una síndrome inflamatòria multisistèmica greu. Els factors de risc estan àmpliament estudiats en adults però no hi ha estudis amb grans bases de dades en nens. Quant a la signatura del IFN també hi ha poc coneixement en el seu comportament en nens. El nostre objectiu és aportar nous resultats en aquestes dues línies. Utilitzant models additius generalitzats hem trobat que els factors de risc en els nens són diferents als dels adults. Els factors de risc en els adults són condicions comórbidas que sovint es consideren adquirides o probablement relacionades amb un estil de vida poc saludable, però en els nens són condicions congènites. No hi ha diferències significatives de gènere en els nens. Els gens SOCS1 (supresor de la senyalització de citocines 1) i CIITA (transactivador del complex major d'histocompatibilitat de classe II) tenen una relació inversa entre ells. Podem utilitzar els nivells de SOCS1 i CIITA, mitjançant un arbre de decisió, per a classificar els casos entre lleus i greus: nivells baixos de CIITA i alts de SOCS1 estan relacionats amb casos greus. Finalment, observem que els nivells de CIITA són més alts en els nens que en els adults. Això podria proporcionar als nens protecció contra la infecció i podria obrir una nova línia de recerca per als tractaments.

La finalidad de este trabajo final de máster ha sido realizar una comparativa con diferentes softwares para el análisis taxonómico en diferentes microbiomas del cuerpo humano. El estudio metagenómico se llevó a cabo gracias al método secuenciación por amplicón del gen 16S rRNA, este es el marcador por excelencia caracterizado por su baja tasa de evolución. Para hacer el estudio se crearon tres dataset correspondientes a microbioma intestinal, vaginal y bucal. La simulación fue realizada con el software Wgsim con datos del MiSeq de Illumina, llevando a cabo una secuenciación paired-end. El análisis bioinformático se realizó con tres de los softwares más utilizados en la actualidad, que son: Gaia, Qiime2 y Mothur. Estos dos últimos son de código abierto por lo que para llevarlos a cabo se hizo uso de una máquina virtual de Ubuntu en Google Cloud. Gaia ha sido desarrollado por la empresa Sequentia Biotech, por lo que no hubo necesidad de crear ningún código para el análisis. Una vez realizado el análisis taxonómico se llevó a cabo el análisis estadístico de los resultados. Para ello se evaluaron parámetros como precisión, recall y F-measure. The purpose of this final master's project has been to make a comparison with different softwares for taxonomic analysis in different microbiomes of the human body. The metagenomic study was carried out thanks to the amplicon sequencing method of the 16S rRNA gene, this is a marker par excellence characterized by its low rate of evolution. To make the study, three datasets corresponding to intestinal, vaginal and oral microbiome were created. The simulation was carried out with the Wgsim software with data from the Illumina MiSeq, carrying out a paired-end sequencing. The bioinformatic analysis was carried out with three of the most commonly used software, which are: Gaia, Qiime2 and Mothur. These last two are open source, so to use them, an Ubuntu virtual machine was used in Google Cloud. Gaia has been developed by the company Sequentia Biotech, so there was no need to create any code for the analysis. Once the taxonomic analysis was performed, the statistical analysis of the results was carried out. For this, parameters such as precision, recall and F-measure were evaluated. La finalitat d'aquest treball final de màster ha estat realitzar una comparativa amb diferents programaris per a l'anàlisi taxonòmic a diferents microbiomas del cos humà. L'estudi metagenòmic es va dur a terme gràcies al mètode de seqüenciació per amplicó de gen 16S rRNA, aquest és el marcador per excel·lència, que es caracteritza per la seva baixa taxa d'evolució. Per fer l'estudi es van crear tres dataset corresponents a microbioma intestinal, vaginal i bucal. La simulació va ser realitzada amb el programari Wgsim amb dades de l'MiSeq de Illumina, portant a terme una seqüenciació Paired-end. L'anàlisi bioinformàtic es va realitzar amb tres dels programaris més utilitzats en l'actualitat, que són: Gaia, Qiime2 i Mothur. Aquests dos últims són de codi obert, de manera que per dur-los a terme es va fer ús d'una màquina virtual d'Ubuntu a Google Cloud. Gaia ha estat desenvolupat per l'empresa Sequentia Biotech, de manera que no hi va haver necessitat de crear cap codi per a l'anàlisi. Un cop realitzat l'anàlisi taxonòmic es va dur a terme l'anàlisi estadística dels resultats i es van avaluar paràmetres com precisió, recall i F-measure.

Diferents composicions taxonòmiques al microbioma intestinal han estat relacionades a algunes malalties com la diabetis o la malaltia de Crohn. En aquest projecte s'han descrit la composició microbiològica de mostres fecals i variables clíniques -com l'edat o l'índex de massa corporal- associades a un gran nombre d'individus. S'han generat diferents models amb algoritmes de Machine Learning, com Random Forest, Support Vector Machine i XGBoost, per predir si un subjecte ha desenvolupat, o no, alguna malaltia autoimmunitària, a partir de la seua composició taxonòmica intestinal i unes variables clíniques. Els resultats obtinguts a la descripció taxonòmica no mostren uns enterotips clarament diferenciats entre les mostres. La majoria de les variables clíniques categòriques no estan segueixen una distribució equilibrada de les classes. Les distribució de les variables clíniques numèriques analitzades sí que s'aproximen a una distribució normal. El millor model de classificació s'ha obtingut utilitzant un mètode de mostratge anomenat SMOTE per a generar les dades d'entrenament i emprant l'algoritme XGBoost, obtenint un valor de l'estadístic Kappa de 0.6612. Aquest valor es considera que té una adequació substancial a les dades reals. El gènere Bifidobacterium ha sigut el que més ha contribuït en el rendiment del model. A tall de cloenda, no s'han pogut classificar les mostres en enterotips clarament diferenciats; no obstant això, s'ha pogut generar un model per predir si una persona ha desenvolupat, o no, una malaltia autoimmunitària, utilitzant dades del microbioma intestinal i variables clíniques amb una adequació substancial a les dades reals. Different taxonomic compositions of the gut microbiome have been related to some diseases, such as diabetes or Crohn's disease. In this project, the microbiological composition of fecal samples and clinical variables -such as age or body mass index- associated to a big number of subjects have been described. Different models have been generated using Machine Learning algorithms, such as Random Forest, Support Vector Machine and XGBoost, to predict whether a subject has developed, or not, any autoimmune disease, using its gut taxonomic composition and some clinical variables. The obtained results in the taxonomic description do not show very differentiated enterotypes between the samples. Most of the categorical clinical variables do not follow a balanced distribution of their levels. The analyzed numerical clinical variables¿ distribution does follow approximately a normal distribution. The best classifier model has been obtained using a sampling method called SMOTE to generate the training set and using the XGBoost algorithm, obtaining a Kappa statistic value of 0.6612. This value is considered to have a substantial adequacy to the real data. The Bifidobacterium genus has been the one that has contributed the most to the model performance. In conclusion, the samples could not be classified into very differentiated enterotypes; however, a model to predict whether a subject has developed, or not, an autoimmune disease has been generated, using gut microbiome data and clinical variables, giving a substantial adequacy to the real data. Diferentes composiciones taxonómicas al microbioma intestinal han sido relacionadas a algunas dolencias como la diabetes o la dolencia de Crohn. En este proyecto se han descrito la composición microbiológica de muestras fecales y variables clínicas -como la edad o el índice de masa corporal- asociadas a un gran número de individuos. Se han generado diferentes modelos con algoritmos de Machine Learning, como Random Monte, Support Vector Machine y XGBoost, para predecir si un sujeto ha desarrollado, o no, alguna dolencia autoimmunitària, a partir de su composición taxonómica intestinal y unas variables clínicas. Los resultados obtenidos a la descripción taxonómica no muestran unos enterotips claramente diferenciados entre las muestras. La mayoría de las variables clínicas categóricas no están siguen una distribución equilibrada de las clases. Las distribución de las variables clínicas numéricas analizadas sí que se aproximan a una distribución normal. El mejor modelo de clasificación se ha obtenido utilizando un método de muestreo llamado SMOTE para generar los datos de entrenamiento y empleando el algoritmo XGBoost, obteniendo un valor del estadístico Kappa de 0.6612. Este valor se considera que tiene una adecuación sustancial a los datos reales. El género Bifidobacterium ha sido el que más ha contribuido en el rendimiento del modelo. A guisa de conclusión, no se han podido clasificar las muestras en enterotipos claramente diferenciados; sin embargo, se ha podido generar un modelo para predecir si una persona ha desarrollado, o no, una dolencia autoinmunitária, utilizando datos del microbioma intestinal y variables clínicas con una adecuación sustancial a los datos reales.

Este trabajo se ha desarrollado con el objetivo de crear meta modelo capaz de predecir dianas de microRNAs en humanos, mejorando la actuación de los predictores utilizados. Desde el descubrimiento de los microRNAs hace casi 30 años se ha ido viendo el importante papel que estas secuencias de ~22 nucleótidos tienen en todos los procesos celulares y en el desarrollo de numerosas enfermedades. Para determinar el impacto de un miRNA en nuestro organismo es fundamental conocer la diana sobre la que actúa. Con este objetivo se han desarrollado numerosos métodos computacionales pero estos, en general, carecen de la exactitud necesaria. El meta learning ha demostrado mejorar las predicciones en los problemas de machine learning a los que se le ha enfrentado. Teniendo esto en cuenta se ha hecho una selección de predictores de dianas y se han entrenado varios modelos de machine learning con los resultados de los diferentes clasificadores. Se ha obtenido un meta modelo que mejora las predicciones de todos los predictores empleados. The main object of this project was to create a meta model capable of predicting microRNA targets in humans. Improving the performance of the predictors involved. Since the discovery of microRNAs almost 30 years ago, the important role that these ~22 nucleotide sequences have in all cellular processes and in the development of numerous diseases has been found. To determine the impact of a miRNA on our body, it is essential to know the target on which the miRNA acts. Many computational metods has been developed with this objective. Generally this methods give too much noise. Meta Learning has shown how it is able to outperform base learners on machine learning tasks. With this in consideration, a miRNA predictor selection has been done and multiples machine learning models has been trained with the results of the predictors. Finally, a meta model has been obtained. This meta model outperforms the base learners used for its training. Aquest treball s'ha desenvolupat amb l'objectiu de crear meta model capaç de predir dianes de microRNAs en humans, millorant l'actuació dels predictors utilitzats. Des del descobriment dels microRNAs fa gairebé 30 anys s'ha anat veient l'important paper que aquestes seqüències de 22 ~nucleòtids tenen en tots els processos cel·lulars i en el desenvolupament de nombroses malalties. Per a determinar l'impacte d'un miRNA en el nostre organisme és fonamental conèixer la diana sobre la qual actua. Amb aquest objectiu s'han desenvolupat nombrosos mètodes computacionals però aquests, en general, manquen de l'exactitud necessària. El meta learning ha demostrat millorar les prediccions en els problemes de machine learning als quals se li ha enfrontat. Tenint això en compte s'ha fet una selecció de predictors de dianes i s'han entrenat diversos models de machine learning amb els resultats dels diferents classificadors. S'ha obtingut un meta model que millora les prediccions de tots els predictors empleats.

The potential use of gene editing technologies as therapeutics is limited by the lack of control in the outcomes of gene editing. These outcomes are determined, in part, by the sequence of the edited region. In this work, a machine learning model is used to predict the outcomes of CRISPR-Cas9 gene editing from the sequence of the gRNA. This model could be used to improve gRNA design so that gene editing outcomes are controlled. While previous studies introduce mutations in synthetic target sequences, in this work insertions are done in 1785 unique regions of the genome. Hence, experimental data reflect more closely the conditions in which the techniques would be applied in the clinic. Analyzing the target genomic regions reveals that sequencing coverage is not enough to quantify gene editing outcomes. Hence, these are simulated using previously developed models. Simulated data is treated in the same was as it would be done with experimental data. The gRNA efficiency prediction model is developed as a binary classifier, and logistic regression is the algorithm with the higher accuracy. The predictions are similar between this model and the original model used to simulate the data. The model to predict gene editing outcomes is planned using two different approaches that require further development. In brief, this work defines the steps and develops all the processes needed to go from experimental genomic data to the training of a computational model that predicts gene editing outcomes from the gRNA sequence. L'ús de les tècniques d'edició genòmica com a teràpia està limitat per un control gairebé nul dels productes d'edició genètica. La seqüència de la regió editada determina en gran part les mutacions introduïdes. En aquest treball, s'utilitzen models d'aprenentatge automàtic per predir els productes d'edició genètica de CRISPR-Cas9 a partir de la seqüència del gRNA. Així, es podria fer un disseny intel·ligent de la regió a editar per controlar els productes d'edició genètica, acostant aquestes tècniques a la pràctica clínica. A diferència dels estudis previs, que introdueixen modificacions en seqüències sintètiques, en aquest estudi es realitzen edicions en 1785 regions úniques del genoma. Per tant, les dades experimentals reflecteixen de forma més realista les condicions clíniques. A través de l'anàlisi de les regions genòmiques d'interès per seqüenciació de nova generació es conclou que falta profunditat de seqüenciació per observar edicions genètiques en les dades experimentals. Per això, es simulen les dades a partir de models computacionals ja existents. El model de predicció de l'eficiència es planteja com un classificador binari, i l'algoritme que aconsegueix major exactitud és el logistic regression. Aquest model recrea les eficiències del model utilitzat per simular les dades de forma eficaç. El problema de predicció dels resultats d'edició es planteja en dues aproximacions diferents que cal seguir desenvolupant. En resum, aquest treball planteja l'aproximació que cal seguir i desenvolupa tots els processos necessaris per passar de les dades genòmiques experimentals a l'entrenament d'un model computacional per predir els resultats d'edició genètica a partir de la seqüència. El uso de las técnicas de edición genómica como terapia está limitado por un control casi nulo de los productos de edición genética. La secuencia de la región editada determina en gran parte las mutaciones introducidas. En este trabajo, se utilizan modelos de aprendizaje automático para predecir los productos de edición genética de CRISPR-Cas9 a partir de la secuencia del gRNA. Así, se podría hacer un diseño inteligente de la región a editar para controlar los productos de edición genética, acercando estas técnicas a la práctica clínica. A diferencia de los estudios previos, que introducen modificaciones en secuencias sintéticas, en este estudio se realizan ediciones en 1785 regiones únicas del genoma. Por lo tanto, los datos experimentales reflejan de forma más realista las condiciones clínicas. A través del análisis de las regiones genómicas de interés por secuenciación de nueva generación se concluye que falta profundidad de secuenciación para observar ediciones genéticas en los datos experimentales. Por eso, se simulan los datos a partir de modelos computacionales ya existentes. El modelo de predicción de la eficiencia se plantea como un clasificador binario, y el algoritmo que consigue mayor exactitud es lo logistic regression. Este modelo recrea las eficiencias del modelo utilizado para simular los datos de forma eficaz. El problema de predicción de los resultados de edición se plantea en dos aproximaciones diferentes que hay que seguir desarrollando. En resumen, este trabajo plantea la aproximación que hay que seguir y desarrolla todos los procesos necesarios para pasar de los datos genómicas experimentales al entrenamiento de un modelo computacional para predecir los resultados de edición genética a partir de la secuencia.

Mental health problems affect 25% of the population, making it the leading cause of disability globally. Normal microbiota is related with healthy states, however changes in its composition (called dysbiosis) is linked with non-healthy pathologies. In this project we explored the influence of the gut microbiota on the occurrence of non-healthy mental states using machine learning approaches, enterotype classifications and univariate and multivariate statistical analyses. Among the demographic characteristics we found differences between the mental illness states in the ethnicity (p = 0.04), sex (p = 0.004), irritable bowel disease (p < 0.001), etc. We found lower levels of Firmicutes and higher levels of Bacteroidetes and a lower Firmicutes/Bacteroidetes ratio in the gut of people with mental issues. People with mental illness has a lower alpha diversity index in their gut in comparison with healthy people (p = 0.002). The beta diversity analysis presented different centroids regarding the mental states statistically measured by the PERMANOVA test (p = 0.032). The best machine learning predictor was Random Forest with an accuracy of 0.62. However, because of we mixed the different mental disorders with a different biological background, probably creating noise, the prediction results of the machine learning algorithms do not have better performances. In conclusion, more efforts are necessary in the use of machine learning algorithms with microbiome information, because of the potential that these methods have in the classification and/or prediction of certain pathologies. Also, higher Firmicutes and lower Bacteroidetes could be risk factor in the occurrence of a mental illness. Se estima que problemas en la salud mental afectan al 25% de la población, lo que la convierte en la principal causa de enfermedades a nivel mundial. Una microbiota normal está relacionada con estados saludables, sin embargo, los cambios en su composición (llamada disbiosis) están relacionados con enfermedades. En este proyecto, exploramos la influencia de la microbiota intestinal en la aparición de estados mentales no saludables utilizando enfoques de machine learning, clasificación de enterotipos y análisis estadísticos univariados y multivariados. Entre las características demográficas encontramos diferencias entre los estados de la enfermedad mental en la etnia (p = 0.04), sexo (p = 0.004), enfermedad del intestino irritable (p