Contratos inteligentes para la gestión de datos de sensado móvil y vestible para aplicaciones en salud

Smart contracts for mobile and wearable sensing data management for health applications

José Ricardo Cedeño García (2023, [Tesis de maestría])

El aumento en la producción de datos derivado de la adopción de tecnologías móviles y de IoT está revolucionando la salud, pero también plantea importantes retos éticos y de privacidad. Los recientes avances en el aprendizaje automático han resaltado la importancia de recopilar y etiquetar datos correctamente, en especial para fines críticos, como el desarrollo de aplicaciones para cuidados médicos. La recopilación de datos médicos para tareas de aprendizaje automático presenta limitaciones en cuanto a la cantidad, variedad y calidad de las fuentes disponibles. Una forma de abordar este dilema es el uso de Blockchain para la recopilación y el uso de datos de pacientes. El anonimato de una red centralizada permite proteger la identidad del paciente. La estructura formada por nodos permite que la información esté siempre disponible y no dependa de un servidor principal. La inmutabilidad de los registros en la cadena garantiza la trazabilidad inequívoca del flujo de los datos del paciente. Por último, los mecanismos de consenso y recompensa de la red podrían motivar a nuevos usuarios a participar del sensado activo. Presentamos TRHEAD, una arquitectura de referencia basada en la Blockchain para recopilar datos sanitarios, firmar consentimientos, anotar datos y obtener crédito por los mismos, permitiendo a los usuarios rastrear el uso de sus datos, a los científicos rastrear su procedencia y proteger al mismo tiempo la privacidad de los pacientes. Exponemos dos implementaciones de nuestra arquitectura aplicadas a distintas campañas de sensado para comprobar su viabilidad, así como los resultados de su aplicación en estos escenarios y las conclusiones que desprendieron de su análisis. Dado que uno de los objetivos principales de TRHEAD es la recopilación de datos mediante sensado activo para el entrenamiento legal/consciente de modelos de aprendizaje automático, se realizó el entrenamiento de un modelo con los datos obtenidos de la campaña de sensado correspondiente a imágenes de rostros humanos, con el fin de detectar estados de ánimo. Finalmente se discute el papel de TRHEAD en el aseguramiento del trato justo y consciente de la información de los pacientes y el camino por recorrer en el perfeccionamiento de la arquitectura.

The increase in data production resulting from the adoption of mobile and IoT technologies is revolutionizing healthcare, but it also poses significant ethical and privacy challenges. Recent advances in machine learning have highlighted the importance of collecting and labeling data correctly, especially for critical purposes such as deploying healthcare software. Collecting medical data for machine learning tasks presents limitations in terms of the quantity, variety, and quality of available sources. One way to address this dilemma is the use of Blockchain for the collection and use of patient data. The anonymity of a centralized network allows the patient’s identity to be protected. The structure formed by nodes allows information to be always available and not dependent on a main server. The immutability of the records in the chain guarantees the unequivocal traceability of the flow of patient data. Finally, the network’s consensus and reward mechanisms could motivate new users to participate in active sensing. We present TRHEAD, a Blockchain-based reference architecture for collecting healthcare data, signing consents, annotating data and getting credit for it, allowing users to track the use of their data, scientists to track its provenance while protecting patients privacy. We present two implementations of our architecture applied to different sensing campaigns to test their feasibility, as well as the results of their application in these scenarios and the conclusions drawn from those results. Since one of the main objectives of TRHEAD is the collection of data through active sensing for the legal/conscious training of machine learning models, a model was trained with the data obtained from the sensing campaign corresponding to images of human faces, in order to detect moods. Finally, the role of TRHEAD in ensuring the fair and conscientious treatment of patient information and the road ahead in refining the architecture is discussed.

Contratos Inteligentes, Blockchain, Privacidad, Aprendizaje de Máquina Etico, Recopilación Consciente de Datos, Consentimiento, Arquitectura de Referencia Smart Contracts, Blockchain, Privacy, Ethical Machine Learning, Conscious Data Collection, Consent, Reference Architecture INGENIERÍA Y TECNOLOGÍA CIENCIAS TECNOLÓGICAS TECNOLOGÍA DE LOS ORDENADORES INTELIGENCIA ARTIFICIAL INTELIGENCIA ARTIFICIAL

Predicción de actividad antimicrobiana usando modelos de escala evolutiva a través de un flujo de trabajo en la plataforma KNIME

Prediction of antimicrobial activity using models of evolutionary scale through a workflow in the KNIME platform

Karla Lorena MartÍnez Mauricio (2023, [Tesis de maestría])

Dentro de las estrategias para combatir la resistencia antimicrobiana, se está llevando a cabo investigación para la creación de nuevos fármacos basados en péptidos antimicrobianos. En los últimos años, se han realizado esfuerzos para incorporar herramientas computacionales que ayuden a acelerar la identificación de péptidos con actividad antimicrobiana. Una de estas herramientas son los modelos QSAR basados en aprendizaje tradicional, que permiten predecir la actividad antimicrobiana en péptidos a partir de información basada en su secuencia. Un componente clave en este proceso es el tipo de características moleculares a utilizar. Recientemente, ha surgido una familia de modelos pre-entrenados llamados ESM-2, los cuales generan incrustaciones (características) que fueron aprendidas a partir de 65 millones de secuencias que abarcan diversidad evolutiva. En este trabajo de tesis, se analiza la contribución de las incrustaciones ESM-2 de diferentes dimensiones de forma individual y en conjunto en el desarrollo de modelos QSAR basados en aprendizaje tradicional para la clasificación de péptidos antimicrobianos, así como sus tipos funcionales, como antibacteriano, antifúngico y antiviral. A partir de este estudio se concluye que aumentar la capacidad de los modelos ESM-2 no implica una mejora en el rendimiento de los modelos para predecir péptidos antimicrobianos. Los modelos ESM-2 t30 y ESM-2 t33 son los más apropiados para extraer características y mejorar la exactitud en las predicciones de péptidos antimicrobianos. Además, fusionar características de diferentes incrustaciones ESM-2 es una estrategia efectiva para construir mejores modelos QSAR que el uso exclusivo de características derivadas de un modelo ESM-2 específico. Se construyeron modelos más simples con un rendimiento comparable o superior a los modelos basados en aprendizaje profundo reportados en la literatura. Para llevar a cabo este estudio se implementó un flujo de trabajo en KNIME que genera de forma automática hasta 1980 modelos de clasificación binaria basados en aprendizaje tradicional. Incorpora diversas técnicas de selección de características, algoritmos de clasificación, métricas de desempeño y una fase de limpieza de datos. Este flujo de trabajo se encuentra disponible en https://github.com/cicese-biocom/classification-QSAR-bioKom.

Molecular features play an important role in different bio-chem-informatics tasks, such as the Quantitative Structure-Activity Relationships (QSAR) modeling. Several pre-trained models have been recently created to be used in downstream tasks either by fine-tuning a specific model or by extracting features to feed traditional classifiers. In this sense, a new family of Evolutionary Scale Modeling models (termed as ESM-2 models) has been recently introduced, demonstrating outstanding results in structure protein prediction benchmarks. Herein, we are devoted to assessing the usefulness of different-dimensional embeddings derived from ESM-2 models in the prediction of antimicrobial peptides, given the great deal of attention received because of their potential to become a plausible option to mainly fight multi-drug resistant bacteria. To this end, we created a KNIME workflow to guarantee using the same modeling methodology, and consequently, carrying out fair comparisons. As a result, it can be drawn that the 640- and 1,280- dimensional embeddings are the most appropriate to be used in modeling because statistically better results were achieved from them. We also combined features from different embeddings, and we can draw that the fusion of features of different embeddings contributes to getting better models than only using a specific model ESM-2. Comparisons regarding state-of-the-art deep learning models confirm that when performing methodologically principled studies in the prediction of AMPs, non-DL based models yield comparable-to-superior results to DL-based models. The implemented KNIME workflow is availablefreely at https://github.com/cicese-biocom/classification-QSAR-bioKom. We consider that this workflow can be valuable to prevent unfair comparisons regarding new computational methods, as well as to propose new non-DL based models.

péptidos antimicrobianos, QSAR, aprendizaje automático ESM-2, KNIME antimicrobial peptides, QSAR, machine learning, ESM-2, KNIME INGENIERÍA Y TECNOLOGÍA CIENCIAS TECNOLÓGICAS TECNOLOGÍA DE LOS ORDENADORES DISEÑO CON AYUDA DE ORDENADOR DISEÑO CON AYUDA DE ORDENADOR

Comparison of Different Classifiers and the Majority Voting Rule for the Detection of Plum Fruits in Garden Conditions.

Razieh Pourdarbani Sajad Sabzi Mario Hernández Hernández José Luis Hernández-Hernández Ginés García_Mateos Davood Kalantari José Miguel Molina Martínez (2019, [Artículo])

Color segmentation is one of the most thoroughly studied problems in agricultural applications of remote image capture systems, since it is the key step in several different tasks, such as crop harvesting, site specific spraying, and targeted disease control under natural light. This paper studies and compares five methods to segment plum fruit images under ambient conditions at 12 different light intensities, and an ensemble method combining them. In these methods, several color features in different color spaces are first extracted for each pixel, and then the most e

ective features are selected using a hybrid approach of artificial neural networks and the cultural algorithm (ANN-CA). The features selected among the 38 defined channels were the b* channel of L*a*b*, and the color purity index, C*, from L*C*h. Next, fruit/background segmentation is performed using five classifiers: artificial neural network-imperialist competitive algorithm (ANN-ICA); hybrid artificial neural network-harmony search (ANN-HS); support vector machines (SVM); k nearest neighbors (kNN); and linear discriminant analysis (LDA). In the ensemble method, the final class for each pixel is determined using the majority voting method. The experiments showed that the correct classification rate for the majority voting method excluding LDA was 98.59%, outperforming the results of the constituent methods.

remote sensing in agriculture artificial neural network hybridization environmental conditions majority voting plum segmentation INGENIERÍA Y TECNOLOGÍA CIENCIAS TECNOLÓGICAS TECNOLOGÍA DE LOS ALIMENTOS

Estudios florísticos locales ¿son importantes? La maravillosa y poco conocida flora de Susticacán, Zacatecas, México

Leopoldo Hurtado-Reveles MIREYA BURGOS HERNANDEZ (2023, [Artículo])

Enclavado en la Sierra de los Cardos, en una de las formaciones montañosas más importantes del estado de Zacatecas en México, se ubica el pequeño municipio de Susticacán, el menos poblado de esa entidad y reconocido por su belleza paisajística. A pesar de su superficie, recientes investigaciones demuestran el gran número de especies y endemismos con los que cuenta, constituyendo un área de resguardo de una importante riqueza vegetal. Esto enmarca la importancia de llevar a cabo estudios florísticos a nivel local que se traduzcan en buenas decisiones de manejo y conservación de las especies, en beneficio de los pobladores locales.

CONSERVACION ESPECIES ENDEMICAS ESTUDIOS FLORISTICO-TAXONOMICOS SIERRA DE LOS CARDOS SIERRA MADRE OCCIDENTAL BIOLOGÍA Y QUÍMICA CIENCIAS DE LA VIDA BIOLOGÍA VEGETAL (BOTÁNICA) ECOLOGÍA VEGETAL ECOLOGÍA VEGETAL

El uso del aula virtual: una mirada organizacional

Nancy Fabiola Martínez Cervantes (2009, [Capítulo de libro])

El objetivo de este ensayo es mostrarle al lector cómo la Oficina de Educación Virtual (OEV) es el espacio organizacional cuyas actividades buscan apoyar la calidad del proceso de enseñanza-aprendizaje de la educación superior que se imparte en la Universidad Autónoma Metropolitana Unidad Azcapotzalco. En este sentido. se organiza el trabajo en cuatro apartados. El primero hace un reconocimiento. desde el punto de vista de la legislación. sobre cómo se concibe el proceso de enseñanza-aprendizaje a fin de identificar que sólo la modalidad presencial es reconocida por la institución; en el segundo se hace un breve recuento del surgimiento de la Oficina de Educación Virtual a fin de responder a las necesidades de incorporar nuevos métodos. tanto pedagógicos como tecnológicos a la práctica docente; en el tercero se explica cómo el aula virtual se ha incorporado a la docencia tradicional destacando el papel de los participantes en dicho proceso. y finalmente en el cuarto apartado. se hace un breve análisis desde la perspectiva organizacional sobre el uso de aula virtual en la práctica docente.

INGENIERÍA Y TECNOLOGÍA CIENCIAS TECNOLÓGICAS TECNOLOGÍA DE LOS ORDENADORES ENSEÑANZA CON AYUDA DE ORDENADOR

Multi-locus genome wide association mapping for yield and its contributing traits in hexaploid wheat under different water regimes

Vijay Gahlaut Vandana Jaiswal Pushpendra Kumar Gupta (2019, [Artículo])

Genome-Wide Association Study Marker-Trait Associations CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA GENETIC LINKAGE GENETICS PROCEDURES QUANTITATIVE TRAIT LOCI WHEAT CHROMOSOME MAPPING

Genomic regions associated with resistance to three rusts in CIMMYT wheat line “Mokue#1”

Naeela Qureshi Ravi Singh sridhar bhavani (2023, [Artículo])

Genetic Analysis Leaf Rust CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA GENETICS RUSTS QUANTITATIVE TRAIT LOCI MAPPING DISEASE RESISTANCE STRIPE RUST STEM RUST

Combination of linkage and association mapping with genomic prediction to infer QTL regions associated with gray leaf spot and northern corn leaf blight resistance in tropical maize

David Berger Yoseph Beyene Collins Juma Suresh L.M. Manje Gowda (2023, [Artículo])

Gray Leaf Spot Northern Corn Leaf Blight CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA MAIZE LEAF SPOTS QUANTITATIVE TRAIT LOCI ASSOCIATION MAPPING GENOME-WIDE ASSOCIATION STUDIES

Editorial: Functional genomic approaches in molecular breeding for crop improvement

Philomin Juliana (2023, [Artículo])

CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA DNA MARKER-ASSISTED SELECTION QUANTITATIVE TRAIT LOCI CROP IMPROVEMENT

Oportunidad de aplicación de la metodología FRONT END LOADING en la expansión de gasoductos en el sureste mexicano: una evaluación

Opportunity to apply the front end loading methodology in the expansion of gas pipelines in the mexican southeast: an evaluation

Raúl Enrique Trejo Alvarado Luis Rolando Méndez Miguel (2023, [Artículo])

Con la finalidad de impulsar el desarrollo de la región sureste de México, la actual administración del gobierno federal se ha propuesto la ampliación de la red nacional de gasoductos hacia esa zona del país, con el fin de suministrar energía a los megaproyectos de la región. No obstante, estas obras presentan actualmente retrasos, evidenciando la necesidad de metodologías de gestión que permitan solucionar este problema de raíz. Una de las metodologías más prometedoras en esta materia es la front-end loading (FEL), ampliamente aplicada en el sector extractivo y energético. El propósito del articulo estriba en evaluar la posibilidad de aplicar la metodología FEL a los proyectos de expansión del Sistema Nacional de Gasoductos en el sureste mexicano.

To boost the development of the southeast region of Mexico, the current federal government administration has proposed the expansion of the national gas pipeline network to this area of the country, to supply energy to the region's mega-projects. However, these projects are currently experiencing delays, demonstrating the need for management methodologies to solve this problem at its root. One of the most promising methodologies in this area is front-end loading (FEL), which has been widely applied in the extractive and energy sector. The aim of this paper is to evaluate the possibility of applying the FEL methodology to the expansion projects of the National Gas Pipeline System in the southeastern México.

Gas natural Sector energético Front end loading (FEL) Evaluación de proyectos Sureste mexicano Natural gas Energy sector Project evaluation Mexican southeast INGENIERÍA Y TECNOLOGÍA CIENCIAS TECNOLÓGICAS OTRAS ESPECIALIDADES TECNOLÓGICAS OTRAS OTRAS