[ES]El estudio de la variabilidad entre poblaciones celulares permite identificar la actividad de genes espec?ficos y determinar de qu? manera influyen los cambios producidos en dichas c? lulas en algunos procesos biol?gicos y en la aparici?n o desarrollo de ciertas enfermedades. En las ?ltimas d?cadas, se han desarrollado t?cnicas computacionales para resolver este pro blema, conocidas como m?todos de deconvoluci?n, capaces de descomponer una mezcla de distintos tipos celulares en los elementos que la componen. En este trabajo, se implementan cinco algoritmos de deconvoluci?n (DECONICA, LINSEED, CIBERSORT, FARDEEP y ABIS), compar?ndolos y determinando el que resulta m?s adecuado en datos de expresi?n de c?lulas de sangre perif?rica detectados mediante microarrays (GSE64385, GSE20300 y GSE106898) y en datos de expresi?n detectados mediante RNA-Sequencing (GSE107011).

[EN]The study of variability between cell populations makes it possible to identify the activity of specific genes and to determine how the changes produced in these cells influence certain biological processes and the appearance or development of certain diseases. In recent dec ades, computational techniques have been developed to solve this problem, called deconvolu tion methods, which are able to decomposing a mixture of different cell types into their con stituent elements. In this work, five deconvolution algorithms (DECONICA, LINSEED, CIBER SORT, FARDEEP y ABIS) are implemented, comparing them and determining which one is the most suitable using peripheral blood cell expression data detected by microarray technique (GSE64385, GSE20300 and GSE106898) and using expression data detected by RNA Sequencing technique (GSE107011)

Trabajo de fin de Grado. Grado en Estad?stica. Curso acad?mico 2020-2021.