Estimación de biodiversidad por data mining y simulación

Los estudios de diversidad microbiológica basados en información genética involucran procesos computacionales fundados en la minería de datos y en la estimación estadística. Con el objetivo de obtener la riqueza de especies, entendida como el número de las mismas, y su distribución en el medio, se procesan secuencias del gen 16S rRNA. Se mide la “distancia genética” entre secuencias y se procede a un agrupamiento en “clusters” a partir del cual se realiza el recuento. Las estimaciones estadísticas estándar tropiezan con la incertidumbre creada por la insuficiencia del tamaño muestral lo que requiere explorar formas alternativas de estimación. El trabajo presenta dos formas de evaluación de la riqueza a partir de una estimación de la probabilidad de existencia de especie nueva y del concepto de entropía. A tal efecto se utiliza la simulación como una técnica de explotación de los datos muestrales con la que se obtienen resultados que mejoran las estimaciones habituales. Presentado en el VIII Workshop Bases de Datos y Minería de Datos (WBDDM) Red de Universidades con Carreras en Informática (RedUNCI)