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

Statistical machine-learning methods for genomic prediction using the SKM library

Osval Antonio Montesinos-Lopez Brandon Alejandro Mosqueda González Jose Crossa (2023, [Artículo])

Sparse Kernel Methods R package Statistical Machine Learning Genomic Selection CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA MARKER-ASSISTED SELECTION MACHINE LEARNING GENOMICS METHODS

RNAseq of diverse spring wheat cultivars released during last 110 years

awais rasheed Huihui Li (2023, [Artículo])

CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA RNA SEQUENCE SPRING WHEAT ROOT ARCHITECTURE GENES

Big data, small explanatory and predictive power: Lessons from random forest modeling of on-farm yield variability and implications for data-driven agronomy

Martin van Ittersum (2023, [Artículo])

Context: Collection and analysis of large volumes of on-farm production data are widely seen as key to understanding yield variability among farmers and improving resource-use efficiency. Objective: The aim of this study was to assess the performance of statistical and machine learning methods to explain and predict crop yield across thousands of farmers’ fields in contrasting farming systems worldwide. Methods: A large database of 10,940 field-year combinations from three countries in different stages of agricultural intensification was analyzed. Random effects models were used to partition crop yield variability and random forest models were used to explain and predict crop yield within a cross-validation scheme with data re-sampling over space and time. Results: Yield variability in relative terms was smallest for wheat and barley in the Netherlands and for wheat in Ethiopia, intermediate for rice in the Philippines, and greatest for maize in Ethiopia. Random forest models comprising a total of 87 variables explained a maximum of 65 % of cereal yield variability in the Netherlands and less than 45 % of cereal yield variability in Ethiopia and in the Philippines. Crop management related variables were important to explain and predict cereal yields in Ethiopia, while predictive (i.e., known before the growing season) climatic variables and explanatory (i.e., known during or after the growing season) climatic variables were most important to explain and predict cereal yield variability in the Philippines and in the Netherlands, respectively. Finally, model cross-validation for regions or years not seen during model training reduced the R2 considerably for most crop x country combinations, while for wheat in the Netherlands this was model dependent. Conclusion: Big data from farmers’ fields is useful to explain on-farm yield variability to some extent, but not to predict it across time and space. Significance: The results call for moderate expectations towards big data and machine learning in agronomic studies, particularly for smallholder farms in the tropics where model performance was poorest independently of the variables considered and the cross-validation scheme used.

Model Accuracy Model Precision Linear Mixed Models CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA MACHINE LEARNING SUSTAINABLE INTENSIFICATION BIG DATA YIELDS MODELS AGRONOMY

miRNAs contained in extracellular vesicles cargo contribute to the progression of idiopathic pulmonary fibrosis: an in vitro aproach

JOVITO CESAR SANTOS ALVAREZ JUAN MANUEL VELAZQUEZ ENRIQUEZ ROSENDO GARCÍA CARRILLO CESAR RODRIGUEZ BEAS ALMA AURORA RAMIREZ HERNANDEZ EDILBURGA REYES JIMENEZ KARINA GONZÁLEZ GARCÍA ARMANDO LOPEZ MARTINEZ LAURA PEREZ CAMPOS MAYORAL SERGIO ROBERTO AGUILAR RUIZ MARIA DE LOS ANGELES ROMERO TLALOLINI HONORIO TORRES AGUILAR LUIS ALBERTO CASTRO SANCHEZ JAIME ARELLANES ROBLEDO VERONICA ROCIO VASQUEZ GARZON RAFAEL BALTIERREZ HOYOS (2022, [Artículo])

Idiopathic pulmonary fibrosis (IPF) is a chronic, progressive lung disease. Lesions in the lung epithelium cause alterations in the microenvironment that promote fibroblast accumulation. Extracellular vesicles (EVs) transport proteins, lipids, and nucleic acids, such as microRNAs (miRNAs). The aim of this study was to characterize the differentially expressed miRNAs in the cargo of EVs obtained from the LL97 and LL29 fibroblast cell lines isolated from IPF lungs versus those derived from the CCD19 fibroblast cell line isolated from a healthy donors. We characterized EVs by ultracentrifugation, Western blotting, and dynamic light scattering. We identified miRNAs by small RNA-seq, a total of 1144 miRNAs, of which

1027 were known miRNAs; interestingly, 117 miRNAs were novel. Differential expression analysis showed that 77 miRNAs were upregulated and 68 were downregulated. In addition, pathway enrichment analyses from the Gene Ontology and Kyoto Encyclopedia of Genomes identified several miRNA target genes in the categories, cell proliferation, regulation of apoptosis, pathways in cancer, and proteoglycans in cancer. Our data reveal that miRNAs contained in EVs cargo could be helpful as biomarkers for fibrogenesis, diagnosis, and therapeutic intervention of IPF.

MEDICINA Y CIENCIAS DE LA SALUD Idiopathic pulmonary fibrosis Extracellular vesicles Fibroblasts Small-RNA seq

High-throughput plot-level quantitative phenotyping using convolutional neural networks on very high-resolution satellite images

Francisco Pinto Matthew Paul Reynolds Robert Furbank (2024, [Artículo])

Deep Learning Object-Based Image Analysis Optical Imagery CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA AGRICULTURE IMAGE ANALYSIS PLANT BREEDING REMOTE SENSING MACHINE LEARNING

Drought risk management in Mexico: progress and challenges

David Ortega Gaucin Mario Lopez Perez Felipe Ignacio Arreguín Cortés (2016, [Artículo])

Drought is one of the most complex natural phenomena, which affects the most people in the world. In Mexico, drought has been a recurrent and persistent problem throughout its history. In recent years, drought has affected large agricultural areas and rural communities, leading to severe imbalances in the regional and national economies, as occurred during the 2011–2012 drought, the most severe of the last 70 years. Therefore, in this paper an analysis of the measures that have recently been implemented to cope with drought in Mexico, which highlights the beginning of the transition from a reactive approach based on the crisis management towards a proactive approach aimed to risk management, with the implementation of the National Program Against Drought (PRONACOSE, for its acronym in Spanish) launched in 2013 is presented. So, in this paper, the components of this program are presented, along with a brief description of the Programs of Preventive and Mitigation Drought Measures (PMPMS, for its acronym in Spanish), which have been formulated as an integral part of PRONACOSE for each of the 26 basin councils in the country. Similarly, some of the main future challenges in drought manage¬ment and research needs identified during the formulation of the PMPMS are exposed. We concluded that there is no way to avoid a drought but there are ways to mitigate its impacts and reduce losses of those affected by the phenomenon. Drought risk can’t be completely eliminated, but preventive actions implemented in the future will be useful to mitigate its effects.

Sequías Prevención de desastres Gestión del riesgo Vulnerabilidad CIENCIAS FÍSICO MATEMÁTICAS Y CIENCIAS DE LA TIERRA

Caracterización de las sequías hidrológicas en la cuenca del río Bravo, México

Hydrological drought characterization in the Rio Grande Basin, Mexico

David Ortega Gaucin (2013, [Artículo])

En el presente trabajo se realizó la caracterización de los períodos de sequía hidrológica registrados históricamente en la sección mexicana de la cuenca del río Bravo, con el objeto de proporcionar un panorama amplio del fenómeno, que sirva de base para la adecuada planeación y manejo de los recursos hídricos superficiales en la cuenca. Para ello, se analizaron las aportaciones de agua a las presas de almacenamiento que se ubican en los principales afluentes mexicanos de este río. A partir de series históricas de datos hidrométricos, se estableció la mediana de los escurrimientos y, con base en esa mediana, se determinó el déficit o incremento, lo cual a su vez permite definir la duración y severidad de los períodos de sequía. Los resultados indican que en más del 50% de los años analizados se presentó algún grado de sequía, con aportaciones inferiores a la mediana histórica de hasta -91%, y períodos secos que van de uno a 14 años consecutivos. Se concluyó que en la mayor parte de la cuenca ocurrió un período de sequía extraordinaria que se extendió prácticamente a lo largo de 14 años (1992-2005), fue el más severo y prolongado del cual se tiene registro.

Sequías Escasez de agua Río Bravo CIENCIAS FÍSICO MATEMÁTICAS Y CIENCIAS DE LA TIERRA

Medidas para afrontar la sequía en México: una visión retrospectiva

David Ortega Gaucin (2018, [Artículo])

La sequía es uno de los fenómenos naturales más complejos y que afecta a más personas en el mundo. El objetivo de este artículo es presentar una revisión de las principales medidas que han sido implementadas en las distintas etapas de la historia de México (época prehispánica, época colonial, siglos XIX, XX y XXI) para prevenir y mitigar los impactos de la sequía en la sociedad. Como parte de la metodología empleada, se realizó una clasificación de las medidas adoptadas en cada periodo, agrupándolas en dos grandes categorías: preventivas (las que se han implantado mucho antes de que suceda una sequía) y reactivas (las que se han adoptado durante el evento de sequía); a su vez, ambos tipos de medidas se subdividen en medidas sociales, tecnológicas y gubernamentales. La originalidad de esta aportación se basa en exponer que, pese a la lucha histórica de México frente a la sequía, esta no ha dejado ni dejará de ser un problema capital, por lo que es sustancial que tanto las autoridades gubernamentales como la población en general sean conscientes de la vulnerabilidad ante el peligro y de la importancia de adoptar medidas preventivas y de adaptación que conduzcan a una gestión apropiada del riesgo. Se concluye que, aunque en la actualidad tenemos mayor conocimiento científico y desarrollo tecnológico para hacer frente a la sequía, estas herramientas no constituyen por sí mismas la solución al problema, sino que son el complemento de otras acciones y estrategias de corte político, económico y social que en conjunto ayudan a contrarrestar los efectos negativos del fenómeno.

Sequías Usos del agua Historia de México Vulnerabilidad CIENCIAS FÍSICO MATEMÁTICAS Y CIENCIAS DE LA TIERRA

Multimodal deep learning methods enhance genomic prediction of wheat breeding

Carolina Rivera-Amado Francisco Pinto Francisco Javier Pinera-Chavez David González-Diéguez Matthew Paul Reynolds Paulino Pérez-Rodríguez Huihui Li Osval Antonio Montesinos-Lopez Jose Crossa (2023, [Artículo])

Conventional Methods Genomic Prediction Accuracy Deep Learning Novel Methods CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA WHEAT BREEDING MACHINE LEARNING METHODS MARKER-ASSISTED SELECTION