Metodología Bayesana aplicada al estudio de configuraciones espaciales en bioinformática

En esta tesis se estudia la superposicion y el emparejamientos de configuraciones o conjuntos de puntos en el espacio, considerando distintas transformaciones geometricas entre las mismas. El estudio de imagenes medicas o la comparacion estructural de pares de moleculas son algunos ejemplos de problemas de configuraciones de puntos. En una primera parte se extiende el modelo bayesiano de Green y Mardia (2006) en dos sentidos: por un lado, se consideran los emparejamientos entre mas de dos configuraciones y, por otro, se asumen transformaciones geometricas entre ellas mas generales. En una segunda parte, se estudian transformaciones no lineales entre configuraciones, planteando dos modelos de redes neuronales con los que se analiza, desde la perspectiva bayesiana, la relacion entre dos configuraciones etiquetadas. Un aspecto importante de esta tesis es su aplicacion en el campo de la Bioinformatica. Se parte de datos procedentes de microarrays, consistentes en las expresiones de los genes que se quieren estudiar. Una aportacion novedosa es el tratamiento de estas expresiones hasta llegar a una representacion de los genes como configuraciones de puntos en un espacio. Esto se lleva a cabo mediante la tecnica multivariante multidimensional scaling ponderada (INDSCAL), utilizada en el ambito de las ciencias sociales, pero menos frecuente en el contexto de la Bioinformatica, permitiendo un estudio geometrico de los genes a traves de su disposicion en el espacio.