Aproximación computacional a la caracterización del comportamiento de alimentación de un insecto vector

Mostrar todas las versiones(2)

La vinchuca Rhodnius prolixus (Heteroptera: Reduviidae: Triatominae) es un insecto hematófago, vector de la enfermedad de Chagas en América Latina y modelo en fisiología de insectos. Su comportamiento alimenticio consta de dos fases importantes: 1- prueba del alimento, y 2- ingestión. En la fase de...

Descripción completa

Detalles Bibliográficos
Autor principal: Salas Morales, Héctor Luis
Otros Autores: Barrozo, Romina Beatriz
Formato: Tesis doctoral updatedVersion
Lenguaje:Español
Publicado: Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales 2023
Materias:
MyoRec
COMPORTAMIENTO DE ALIMENTACION
ESTIMULOS APETITIVOS Y AVERSIVOS
ELECTROMIOGRAMA
RECONOCIMIENTO DE PATRONES
DEEP LEARNING
MACHINE LEARNING
FEEDING BEHAVIOR
APPETITIVE AND AVERSIVE STIMULI
ELECTROMYOGRAM
PATTERN RECOGNITION
Acceso en línea:http://hdl.handle.net/20.500.12110/tesis_n7473_SalasMorales
https://repositoriouba.sisbi.uba.ar/gsdl/cgi-bin/library.cgi?a=d&c=aextesis&d=tesis_n7473_SalasMorales_oai
Aporte de:
Repositorio Digital de la Universidad de Buenos Aires (UBA) de Universidad de Buenos Aires
id I28-R145-tesis_n7473_SalasMorales_oai
record_format dspace
institution Universidad de Buenos Aires
institution_str I-28
repository_str R-145
collection Repositorio Digital de la Universidad de Buenos Aires (UBA)
language Español
orig_language_str_mv spa
topic MyoRec
COMPORTAMIENTO DE ALIMENTACION
ESTIMULOS APETITIVOS Y AVERSIVOS
ELECTROMIOGRAMA
RECONOCIMIENTO DE PATRONES
DEEP LEARNING
MACHINE LEARNING
MyoRec
FEEDING BEHAVIOR
APPETITIVE AND AVERSIVE STIMULI
ELECTROMYOGRAM
MACHINE LEARNING
DEEP LEARNING
PATTERN RECOGNITION
spellingShingle MyoRec
COMPORTAMIENTO DE ALIMENTACION
ESTIMULOS APETITIVOS Y AVERSIVOS
ELECTROMIOGRAMA
RECONOCIMIENTO DE PATRONES
DEEP LEARNING
MACHINE LEARNING
MyoRec
FEEDING BEHAVIOR
APPETITIVE AND AVERSIVE STIMULI
ELECTROMYOGRAM
MACHINE LEARNING
DEEP LEARNING
PATTERN RECOGNITION
Salas Morales, Héctor Luis
Aproximación computacional a la caracterización del comportamiento de alimentación de un insecto vector
topic_facet MyoRec
COMPORTAMIENTO DE ALIMENTACION
ESTIMULOS APETITIVOS Y AVERSIVOS
ELECTROMIOGRAMA
RECONOCIMIENTO DE PATRONES
DEEP LEARNING
MACHINE LEARNING
MyoRec
FEEDING BEHAVIOR
APPETITIVE AND AVERSIVE STIMULI
ELECTROMYOGRAM
MACHINE LEARNING
DEEP LEARNING
PATTERN RECOGNITION
description La vinchuca Rhodnius prolixus (Heteroptera: Reduviidae: Triatominae) es un insecto hematófago, vector de la enfermedad de Chagas en América Latina y modelo en fisiología de insectos. Su comportamiento alimenticio consta de dos fases importantes: 1- prueba del alimento, y 2- ingestión. En la fase de prueba, el insecto ingiere una porción del alimento y decide si continúa o no con la siguiente fase, donde ocurre la verdadera ingestión. Ambas fases están moduladas por la composición química del alimento que las vinchucas son capaces de identificar. En esta tesis, analizamos el comportamiento alimenticio de estos insectos al proporcionarles diferentes compuestos en la solución alimenticia. Dicho análisis fue posible gracias al desarrollo de un programa computacional de análisis del comportamiento de alimentación, que denominamos MyoRec. Primeramente, analizamos el comportamiento alimenticio frente a compuestos de valencias opuestas, i.e. apetitivo versus aversivo, definiendo y estableciendo las variables comportamentales que permiten caracterizar la ingesta. Esto fue posible gracias al registro de la actividad eléctrica de los músculos suctores que se encuentran en la cabeza de los insectos, responsables de la ingestión. Este tipo de registros se denominan electromiogramas (EMGs). Seguidamente, con el fin de automatizar el proceso de reconocimiento de patrones de alimentación, comparamos la eficacia de diferentes algoritmos de machine learning y deep learning. El algoritmo que arrojó los mejores resultados predictivos fue la Red Neuronal Convolucional (CNN, del inglés Convolutional Neural Network), con una exactitud de 0,974. Posteriormente, se desarrollaron dos aplicaciones que permiten el cálculo de las variables relevantes en la caracterización del comportamiento de alimentación: el Detector de Picos y el Calculador de Datos. Además, se desarrolló la interfaz gráfica que permite el análisis de los registros facilitando las tareas de organización, almacenamiento, visualización, procesamiento, análisis y comparación de los datos de cada EMG. Finalmente, se utilizó MyoRec para analizar el comportamiento de R. prolixus frente a distintos compuestos apetitivos (glucosa, ATP, leucina, fenilalanina) y aversivos (cafeína, extracto de ajo, metil salicilato, quinina). Encontramos no solo diferencias significativas en el desempeño alimenticio frente a los diferentes compuestos, sino que MyoRec permitió el análisis comparado de manera rápida y sencilla de múltiples registros de alimentación.
author2 Barrozo, Romina Beatriz
author_facet Barrozo, Romina Beatriz
Salas Morales, Héctor Luis
format Tesis doctoral
Tesis doctoral
updatedVersion
author Salas Morales, Héctor Luis
author_sort Salas Morales, Héctor Luis
title Aproximación computacional a la caracterización del comportamiento de alimentación de un insecto vector
title_short Aproximación computacional a la caracterización del comportamiento de alimentación de un insecto vector
title_full Aproximación computacional a la caracterización del comportamiento de alimentación de un insecto vector
title_fullStr Aproximación computacional a la caracterización del comportamiento de alimentación de un insecto vector
title_full_unstemmed Aproximación computacional a la caracterización del comportamiento de alimentación de un insecto vector
title_sort aproximación computacional a la caracterización del comportamiento de alimentación de un insecto vector
publisher Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales
publishDate 2023
url http://hdl.handle.net/20.500.12110/tesis_n7473_SalasMorales
https://repositoriouba.sisbi.uba.ar/gsdl/cgi-bin/library.cgi?a=d&c=aextesis&d=tesis_n7473_SalasMorales_oai
work_keys_str_mv AT salasmoraleshectorluis aproximacioncomputacionalalacaracterizaciondelcomportamientodealimentaciondeuninsectovector
AT salasmoraleshectorluis computationalapproachtothecharacterizationofthefeedingbehaviorofaninsectvector
_version_ 1824354470076612608
spelling I28-R145-tesis_n7473_SalasMorales_oai2024-12-06 Barrozo, Romina Beatriz Schilman, Pablo Ernesto Salas Morales, Héctor Luis 2023-12-11 La vinchuca Rhodnius prolixus (Heteroptera: Reduviidae: Triatominae) es un insecto hematófago, vector de la enfermedad de Chagas en América Latina y modelo en fisiología de insectos. Su comportamiento alimenticio consta de dos fases importantes: 1- prueba del alimento, y 2- ingestión. En la fase de prueba, el insecto ingiere una porción del alimento y decide si continúa o no con la siguiente fase, donde ocurre la verdadera ingestión. Ambas fases están moduladas por la composición química del alimento que las vinchucas son capaces de identificar. En esta tesis, analizamos el comportamiento alimenticio de estos insectos al proporcionarles diferentes compuestos en la solución alimenticia. Dicho análisis fue posible gracias al desarrollo de un programa computacional de análisis del comportamiento de alimentación, que denominamos MyoRec. Primeramente, analizamos el comportamiento alimenticio frente a compuestos de valencias opuestas, i.e. apetitivo versus aversivo, definiendo y estableciendo las variables comportamentales que permiten caracterizar la ingesta. Esto fue posible gracias al registro de la actividad eléctrica de los músculos suctores que se encuentran en la cabeza de los insectos, responsables de la ingestión. Este tipo de registros se denominan electromiogramas (EMGs). Seguidamente, con el fin de automatizar el proceso de reconocimiento de patrones de alimentación, comparamos la eficacia de diferentes algoritmos de machine learning y deep learning. El algoritmo que arrojó los mejores resultados predictivos fue la Red Neuronal Convolucional (CNN, del inglés Convolutional Neural Network), con una exactitud de 0,974. Posteriormente, se desarrollaron dos aplicaciones que permiten el cálculo de las variables relevantes en la caracterización del comportamiento de alimentación: el Detector de Picos y el Calculador de Datos. Además, se desarrolló la interfaz gráfica que permite el análisis de los registros facilitando las tareas de organización, almacenamiento, visualización, procesamiento, análisis y comparación de los datos de cada EMG. Finalmente, se utilizó MyoRec para analizar el comportamiento de R. prolixus frente a distintos compuestos apetitivos (glucosa, ATP, leucina, fenilalanina) y aversivos (cafeína, extracto de ajo, metil salicilato, quinina). Encontramos no solo diferencias significativas en el desempeño alimenticio frente a los diferentes compuestos, sino que MyoRec permitió el análisis comparado de manera rápida y sencilla de múltiples registros de alimentación. The kissing bug Rhodnius prolixus (Heteroptera: Reduviidae: Triatominae) is a hematophagous insect, a vector of Chagas disease in Latin America, and a model in insect physiology. Its feeding behavior consists of two important phases: 1- probing, and 2- ingestion. During the probing phase, the insect ingests a portion of the food and decides whether or not to proceed to the next phase, where the true ingestion occurs. Both phases are modulated by the chemical composition of the food that the kissing bugs can identify. In this thesis, we analyzed the feeding behavior of these insects by providing them with different compounds in the feeding solution. The analysis was possible thanks to the development of a computer program for feeding behavior analysis, which we call MyoRec. First, we analyzed the feeding behavior in response to compounds with opposite valences, i.e. appetitive versus aversive, defining and establishing the behavioral variables that allow for the characterization of ingestion. This was achieved by recording the electrical activity of the sucking muscles located in the head of insects, responsible for ingestion. These recordings are known as electromyograms (EMGs) Next, to automate the recognition pattern of the feeding process, we compared the effectiveness of different algorithms based on machine learning and deep learning models. The algorithm that yielded the best predictive results was the Convolutional Neural Network (CNN), with an accuracy of 0.974. Subsequently, two applications were developed that enabled the analysis of relevant variables in the characterization of feeding behavior: the Peak Detector and the Data Calculator. Additionally, a graphical interface was developed to facilitate the organization, storage, visualization, processing, analysis, and comparison of EMG data. Finally, MyoRec was used to analyze the behavior of R. prolixus in response to different appetitive compounds (glucose, ATP, leucine, phenylalanine) and aversive compounds (caffeine, garlic extract, methyl salicylate, quinine). Not only did we find significant differences in feeding performance with respect to different compounds, but MyoRec also allowed for quick and easy comparative analysis of multiple feeding records. Fil: Salas Morales, Héctor Luis. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina. application/pdf http://hdl.handle.net/20.500.12110/tesis_n7473_SalasMorales spa Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-sa/2.5/ar MyoRec COMPORTAMIENTO DE ALIMENTACION ESTIMULOS APETITIVOS Y AVERSIVOS ELECTROMIOGRAMA RECONOCIMIENTO DE PATRONES DEEP LEARNING MACHINE LEARNING MyoRec FEEDING BEHAVIOR APPETITIVE AND AVERSIVE STIMULI ELECTROMYOGRAM MACHINE LEARNING DEEP LEARNING PATTERN RECOGNITION Aproximación computacional a la caracterización del comportamiento de alimentación de un insecto vector Computational approach to the characterization of the feeding behavior of an insect vector info:eu-repo/semantics/doctoralThesis info:ar-repo/semantics/tesis doctoral info:eu-repo/semantics/updatedVersion https://repositoriouba.sisbi.uba.ar/gsdl/cgi-bin/library.cgi?a=d&c=aextesis&d=tesis_n7473_SalasMorales_oai

Ejemplares similares