Ponente
Descripción
Las redes de regulación génica son inherentemente estocásticas y están influenciadas por fluctuaciones intrínsecas y extrínsecas. Participan en numerosos procesos celulares esenciales, y las mutaciones o los cambios ambientales pueden modificar su respuesta. Por ello, la estimación precisa de parámetros a partir de datos experimentales es fundamental para comprender el comportamiento celular y diseñar estrategias que permitan mantener las células en estados deseables o evitar transiciones hacia estados no deseables.
Entre las distintas fuentes de variabilidad, las fluctuaciones extrínsecas suelen ser ignoradas, a pesar de su importancia para lograr descripciones realistas de los sistemas biológicos y de las condiciones experimentales. Además, el estudio de las redes de regulación génica estocásticas se ve dificultado por su complejidad intrínseca y por la disponibilidad limitada de datos experimentales dinámicos, lo que hace necesario el uso de enfoques computacionales avanzados para extraer parámetros confiables. En particular, la estimación de parámetros y la cuantificación de la incertidumbre mediante estadística bayesiana constituyen herramientas fundamentales para caracterizar de manera robusta la dinámica de estos sistemas.
En este estudio, abordamos estos desafíos mediante la inferencia bayesiana de los parámetros del sistema a partir de un único conjunto de datos experimentales, considerando explícitamente las fluctuaciones estocásticas y cuantificando la incertidumbre asociada a las estimaciones obtenidas.