La memoria (es decir, la propiedad de identificar situaciones simulares en el tiempo recordando eventos pasados) da una gran ventaja a los animales. Ahondar en el entendimiento de la memoria a largo plazo es esencial para diseccionar cómo funciona el aprendizaje. En este trabajo de fin de grado, nuestro objetivo ha sido arrojar luz sobre los cambios en estado de cromatina y transcripción inducidos por memoria a largo plazo en Drosophila melanogaster. Para ello, usamos una técnica de agrupamiento sin supervisión basada en modelos ocultos de Markov (HMM) en datos de secuenciación de próxima generación (NGS) de un experimento biológico del Laboratorio de Fisiología Molecular del Comportamiento del Instituto Cajal (CSIC). Este experimento fue específicamente diseñado para resaltar las diferencias en transcripción y estado de cromatina cuando la memoria a largo plazo es formada. El desempeño de este proyecto ha implicado el uso apropiado de recursos y parámetros para analizar meticulosamente la fiabilidad de esta técnica de agrupamiento, con el objetivo de descartarla o validarla para detectar los genes que se activan con el aprendizaje.

Memory (i.e. the property of identifying similar situations in time by remembering past events) gives animals a great advantage. A deeper understanding of long-term memory is essential to dissect how the process of learning works. In this bachelor thesis, we aimed to shed light on the changes in chromatin state and transcription induced by long-term memory formation in Drosophila melanogaster. We used a complex clustering technique based on Hidden Markov Models (HMM) on next generation sequencing (NGS) data of a biological experiment of the Molecular Physiology of Behaviour Lab of Cajal Institute (CSIC). This experiment was specifically designed to highlight differences in transcription and chromatin state when long-term memory is formed. The accomplishment of this project has entailed to use the appropriate resources and parameters to be able to use the HMM-based tool for the mentioned experimental data, and meticulously analyse the performance and reliability of this clustering technique, with the aim of validating or discarding it to find the genes that are active with learning.

End of Degree Work Report presented by Rafael Javier Pérez Pelizón, to obtain the Degree in Biomedical Engineering from the CEU University - San Pablo, carried out under the direction of Dr. Francisco Martín Castro and Dr. Diego Torricelli-- 96 pages.