Desarrollo de un modelo de inteligencia artificial para la detección y predicción de mutaciones en el genoma de SARS-CoV-2 con potencial de fijación

• Autor: Ascue Orosco, Francisco
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad de Ingeniería y tecnología
• Repositorio: UTEC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.utec.edu.pe:20.500.12815/509
• Enlace del recurso: https://hdl.handle.net/20.500.12815/509
• Nivel de acceso: acceso abierto
• Materia: Inteligencia artificial; Vigilancia en salud pública; SARS-CoV-2; Mutación viral; Artificial intelligence; Public health surveillance; Viral mutation; https://purl.org/pe-repo/ocde/ford#1.02.02

Desde el inicio de la pandemia por COVID-19, la vigilancia genómica del SARS- CoV-2 se consolidó como herramienta clave para entender su evolución y gestionar su impacto. El acceso masivo y en tiempo real a genomas virales permitió relacionar mutaciones con olas de contagio, pero también evidencio la necesidad de métodos más eficientes y menos dependientes de infraestructura costosa. En este contexto, el presente estudio evalúa representaciones de secuencias mediante Frequency Chaos Game Representation (FCGR) combinadas con algoritmos de aprendizaje profundo. Se encontró que usar k = 6 en FCGR ofrece una resolución suficiente para diferenciar linajes con un costo computacional manejable, mientras que valores mayores de k incrementan la resolución a expensas de recursos. Asimismo, se exploran alternativas como la tokenización basada en Byte Pair Encoding (BPE) para mitigar limitaciones de memoria. En la reconstrucción de matrices genómicas, se compararon arquitecturas de autoencoders básicos y modelos tipo UNet. Aunque UNet preserva mejor los detalles genómicos, el autoencoder mostro ser más adecuado en entornos con recursos limitados. La integración de representaciones latentes en un World Model basado en Transformers permitió modelar dinámicas mutacionales y resaltar la relevancia de la atención múltiple y la codificación posicional. No obstante, la cobertura geográfica limitada y la presencia de datos faltantes restringen la generalización, como se observó en los análisis de las variantes Lambda y Gamma. En conjunto, estos enfoques proponen un marco escalable y prometedor para la vigilancia genómica del SARS-CoV-2 y futuros patógenos emergentes.