Resumen

El objetivo de este trabajo es estudiar las relaciones entre las secuencias de ADN cromosómico de veinte especies. Proponemos una metodología que combina histogramas de frecuencia de palabras basados en el ADN, métodos de correlación y una técnica MDS para visualizar la información estructural subyacente a los cromosomas (CR) y las especies. Se prueban cuatro medidas estadísticas (correlaciones de Minkowski, Coseno, Pearson producto-momento y Kendall τ rank) para analizar el contenido de información de 421 CRs nucleares de veinte especies. La metodología propuesta se basa en herramientas matemáticas y permite el análisis y la visualización de cantidades muy grandes de datos de flujo, como las secuencias de ADN, casi sin más supuestos que la "longitud de palabra" predefinida del ADN. Esta metodología es capaz de producir visualizaciones tridimensionales comprensibles de la agrupación de CR y de los patrones espaciales y estructurales relacionados. Los resultados de los cuatro escenarios de correlación de prueba muestran que las agrupaciones de información de alto nivel producidas por la herramienta MDS son cualitativamente similares, con pequeñas variaciones debidas a las características de cada método de correlación, y que las agrupaciones son consecuencia de los datos de entrada y no artefactos del método.

• Materias:Ácido ribonucleico (ARN) Genes mitocondriales Genómica Proteómica Epigenómica
• Subjects:Ribonucleic acid (RNA) Mitochondrial genes Genomics Proteomics Epigenomics
• Palabras claves:metodología, especies, secuencias de ADN cromosómico, características del método de correlación, agrupaciones de información de nivel, escenarios de correlación de prueba, histogramas de frecuencia de palabras, ADN, agrupación de RC, secuencias de ADN
• Keywords:methodology, species, chromosomal DNA sequences, correlation method characteristics, level information clusterings, test correlation scenarios, word frequency histograms, DNA, CR clustering, DNA sequences