Predicting SO2 pollution incidents by means of additive models with optimum variable selection

The aim of this paper is to predict time series of SO2 concentrations emitted by coal-fired power stations in order to estimate in advance emission episodes and analyze the influence of some meteorological variables in the prediction. An emission episode is said to occur when the series of bi-hourly means of SO2 is greater than a specific level. For coal-fired power stations it is essential to predict emission epi- sodes sufficiently in advance so appropriate preventive measures can be taken. We proposed a meth- odology to predict SO2 emission episodes based on using an additive model and an algorithm for variable selection. The methodology was applied to the estimation of SO2 emissions registered in sampling lo- cations near a coal-fired power station located in Northern Spain. The results obtained indicate a good performance of the model considering only two terms of the time series and that the inclusion of the meteorological variables in the model is not significant.

Can the dopaminergic-related effects of general anesthetics be linked to mechanisms involved in drug abuse and addiction?

BACKGROUND: General anesthetics (GA) are well known for the ability to induce a state of reversible loss of consciousness and unresponsiveness to painful stimuli. However, evidence from animal models and clinical studies show that GA exposure may induce behavioral changes beyond acute effects. Most research and concerns are focused on changes in cognition and memory. METHODS: We will look at effects of GA on behavior that is mediated by the dopaminergic system. RESULTS: Pharmacological resemblance of GA with drugs of abuse, and the complexity and importance of dopaminergic systems in both reward seeking and addictive illnesses make us believe that it deserves an overview about what is already known and what matters to us as healthcare workers and specifically as anesthesiologists. CONCLUSION: A review of available evidence strongly suggests that there may be a link between the effects of GA on the brain and substance abuse, partly explained by their influence on the dopaminergic system.

A critical evaluation of methods for the reconstruction of tissue-specific models

Under the framework of constraint based modeling, genome-scale metabolic models (GSMMs) have been used for several tasks, such as metabolic engineering and phenotype prediction. More recently, their application in health related research has spanned drug discovery, biomarker identification and host-pathogen interactions, targeting diseases such as cancer, Alzheimer, obesity or diabetes. In the last years, the development of novel techniques for genome sequencing and other high-throughput methods, together with advances in Bioinformatics, allowed the reconstruction of GSMMs for human cells. Considering the diversity of cell types and tissues present in the human body, it is imperative to develop tissue-specific metabolic models. Methods to automatically generate these models, based on generic human metabolic models and a plethora of omics data, have been proposed. However, their results have not yet been adequately and critically evaluated and compared. This work presents a survey of the most important tissue or cell type specific metabolic model reconstruction methods, which use literature, transcriptomics, proteomics and metabolomics data, together with a global template model. As a case study, we analyzed the consistency between several omics data sources and reconstructed distinct metabolic models of hepatocytes using different methods and data sources as inputs. The results show that omics data sources have a poor overlapping and, in some cases, are even contradictory. Additionally, the hepatocyte metabolic models generated are in many cases not able to perform metabolic functions known to be present in the liver tissue. We conclude that reliable methods for a priori omics data integration are required to support the reconstruction of complex models of human cells.

Introduction [to Contact force models for multibody dynamics]

"Series: Solid mechanics and its applications, vol. 226"

Pure elastic contact force models

"Series: Solid mechanics and its applications, vol. 226"

Dissipative contact force models

"Series: Solid mechanics and its applications, vol. 226"

Contact force models for multibody dynamics

"Series: Solid mechanics and its applications, vol. 226"

An object-oriented model for rapid prototyping of data path/control systems - a case study

Publicado em "Information control in manufacturing 1998 : (INCOM'98) : advances in industrial engineering : a proceedings volume from the 9th IFAC Symposium, Nancy-Metz, France, 24-26 June 1998. Vol. 2"

Real-Time models to predict the use of vasopressors in monitored patients

The needs of reducing human error has been growing in every field of study, and medicine is one of those. Through the implementation of technologies is possible to help in the decision making process of clinics, therefore to reduce the difficulties that are typically faced. This study focuses on easing some of those difficulties by presenting real-time data mining models capable of predicting if a monitored patient, typically admitted in intensive care, will need to take vasopressors. Data Mining models were induced using clinical variables such as vital signs, laboratory analysis, among others. The best model presented a sensitivity of 94.94%. With this model it is possible reducing the misuse of vasopressors acting as prevention. At same time it is offered a better care to patients by anticipating their treatment with vasopressors.

Pre-clinical trials for Machado-Joseph Disease: Hypothesis-based and hypothesis-free therapeutic approaches

Tese de Doutoramento em Ciências da Saúde

Modelos Mixtos-Aditivos Generalizados para el Estudio de Fenómenos Biológicos y Sociales Descriptos por Datos Agregados y/o Longitudinales. Generalized Mixed Additive Models for the Study of Biological and Social Phenomenons from Longitudinal and/or Aggregated Data.

Este proyecto propone extender y generalizar los procesos de estimación e inferencia de modelos aditivos generalizados multivariados para variables aleatorias no gaussianas, que describen comportamientos de fenómenos biológicos y sociales y cuyas representaciones originan series longitudinales y datos agregados (clusters). Se genera teniendo como objeto para las aplicaciones inmediatas, el desarrollo de metodología de modelación para la comprensión de procesos biológicos, ambientales y sociales de las áreas de Salud y las Ciencias Sociales, la condicionan la presencia de fenómenos específicos, como el de las enfermedades.Es así que el plan que se propone intenta estrechar la relación entre la Matemática Aplicada, desde un enfoque bajo incertidumbre y las Ciencias Biológicas y Sociales, en general, generando nuevas herramientas para poder analizar y explicar muchos problemas sobre los cuales tienen cada vez mas información experimental y/o observacional.Se propone, en forma secuencial, comenzando por variables aleatorias discretas (Yi, con función de varianza menor que una potencia par del valor esperado E(Y)) generar una clase unificada de modelos aditivos (paramétricos y no paramétricos) generalizados, la cual contenga como casos particulares a los modelos lineales generalizados, no lineales generalizados, los aditivos generalizados, los de media marginales generalizados (enfoques GEE1 -Liang y Zeger, 1986- y GEE2 -Zhao y Prentice, 1990; Zeger y Qaqish, 1992; Yan y Fine, 2004), iniciando una conexión con los modelos lineales mixtos generalizados para variables latentes (GLLAMM, Skrondal y Rabe-Hesketh, 2004), partiendo de estructuras de datos correlacionados. Esto permitirá definir distribuciones condicionales de las respuestas, dadas las covariables y las variables latentes y estimar ecuaciones estructurales para las VL, incluyendo regresiones de VL sobre las covariables y regresiones de VL sobre otras VL y modelos específicos para considerar jerarquías de variación ya reconocidas. Cómo definir modelos que consideren estructuras espaciales o temporales, de manera tal que permitan la presencia de factores jerárquicos, fijos o aleatorios, medidos con error como es el caso de las situaciones que se presentan en las Ciencias Sociales y en Epidemiología, es un desafío a nivel estadístico. Se proyecta esa forma secuencial para la construcción de metodología tanto de estimación como de inferencia, comenzando con variables aleatorias Poisson y Bernoulli, incluyendo los existentes MLG, hasta los actuales modelos generalizados jerárquicos, conextando con los GLLAMM, partiendo de estructuras de datos correlacionados. Esta familia de modelos se generará para estructuras de variables/vectores, covariables y componentes aleatorios jerárquicos que describan fenómenos de las Ciencias Sociales y la Epidemiología.

Caracterización funcional de zeb1 en células en diferenciación y metastásicas. Functional characterization of zeb1 in differentiating and metastatic cells

IDENTIFICACIÓN ZEB1 (Zinc Finger E-box Binding Homeobox) es un factor de transcripción funcionalmente asociado con la diferenciación de células como miocitos, neuronas, células de sostén y linfocitos T, además de estar involucrado en la Transición Epitelial-Mesenquimatosa (EMT) de los tumores sólidos epiteliales. Aún no se ha revelado en profundidad la participación de ZEB1 en los procesos de proliferación y diferenciación en los que participa. Estamos interesados en los mecanismos de regulación de ZEB1 y los factores que intervienen en los procesos de diferenciación y transformación celular. HIPÓTESIS 1. Las vías de señalamiento regulan el estado de fosforilación y la función de ZEB1 en la célula normal, el cual se desregularía en la célula neoplásica llevando a cambios en la función normal de ZEB1 y consecuentemente a metástasis. 2. IGF-1 es la señal que, en asociación con el supresor de tumores CCN6, juega un rol causal en la regulación de ZEB1 y esto a su vez en la metástasis del cáncer de mama. OBJETIVO GENERAL: establecer el rol funcional de ZEB1, su interrelación con otros factores y su regulación en los procesos de diferenciación y transformación celular. OBJETIVOS ESPECIFICOS (incluye Materiales y Métodos) 1. Estudiar la participación de vías de señalización sobre la función biológica de ZEB1 en células normales y neoplásicas. Analizaremos la participación de señales intracelulares en la fosforilación de ZEB1 por experimentos de ganancia/pérdida de función de la vía (por uso de inhibidores farmacologicos, mutantes silenciadoras y siRNAs), lo cual sera evaluado en EMSAs, ChIP, transfecciones, inmunofluoresc, etc. 2. Estudiar el rol de IGF-1 y CCN6 sobre la expresión y el estado de fosforilación de ZEB1 en tumores mamarios benignos, no invasivos e invasivos y metastatizantes. A) Se estudiará la expresión y localización subcelular de ZEB1 en líneas celulares de cáncer mamario y en xenotransplantes de ratón con variada expresión de CCN6. B) Investigar la relevancia de la fosforilación de ZEB1 mediada por IGF-1 en el EMT por experimentos con ganancia/pérdida de función. RESULTADOS ESPERADOS Esperamos poder delinear la/s vía/s de señalización intracelular que fosforilan ZEB1 y así conocer sobre la regulación del mismo. Podremos establecer algunas bases para entender la biología básica del cáncer de mama e identificar blancos terapéuticos. IMPORTANCIA Un amplio conocimiento de los factores de transcripción y sus vías de señalamiento es necesario para el desarrollo tanto de pruebas diagnósticas como para la identificación de nuevos blancos terapéuticos para neoplasias. De modo que resulta de gran importancia clínica determinar el rol de ZEB1, sus proteínas y vías reguladoras en el proceso de oncogénesis. El desarrollo del proyecto prevé la formación de dos tesistas. Se continuaran colaboraciones con dos grupos extranjeros y se iniciara una tercera. ZEB1 (Zinc Finger E-box Binding Homeobox) is a transcription factor involved in cell differentiation and Epithelial Mesenchymal Transition (EMT) of epithelial tumors. We are interested in the study of mechanisms of regulation (pre and post transcriptional). S.A.1. To investigate post translational mechanisms of ZEB1 regulation in normal and cancer cells. We will analyze the involvement of intracellular signals in phosphorylation of ZEB1 by gain- and lost-of-function experiments. S.A.2. A) To determine the role of IGF-1 signaling and CCN6 in regulating the expression of hypo- and hyperphosphorylated forms of ZEB1 in benign and malignant breast cell lines and in xenograft mouse models by overexpressing and inhibiting CCN6 in breast cancer cells. B) To investigate the relevance of CCN6-mediated ZEB1 phosphorylation to EMT, breast cancer invasion and metastasis. The role of CCN6 on ZEB1 phosphorylation and regulation of E-cadherin, induction of EMT, invasion and metastasis of breast cells will be investigated using gain- and loss-of-function experiments.

Data mining with graphical models

Data Mining, Learning from data, graphical models, possibility theory

Data-driven system identification via evolutionary retrieval of Takagi-Sugeno fuzzy models

Systemidentification, evolutionary automatic, data-driven model, fuzzy Takagi-Sugeno grammar, genotype interpretability, toxicity-prediction