Skip to content
View samuelespitia2000's full-sized avatar
1 follower · 1 following
  • Colombia
  • 14:33 (UTC -12:00)

Achievements

Achievement: YOLOAchievement: QuickdrawAchievement: Pull Shark

Achievements

Achievement: YOLOAchievement: QuickdrawAchievement: Pull Shark

Block or report samuelespitia2000

Block user

Prevent this user from interacting with your repositories and sending you notifications. Learn more about blocking users.

You must be logged in to block users.

Maximum 250 characters. Please don’t include any personal information such as legal names or email addresses. Markdown is supported. This note will only be visible to you.
Report abuse

Contact GitHub support about this user’s behavior. Learn more about reporting abuse.

Report abuse
samuelespitia2000/README.md

Samuel David Espitia Contreras

Bioinformático | Ciencia de Datos aplicada a Genómica | R · Python · SQL · Machine Learning

Máster en Bioinformática (UNIR). Background en ciencias de la salud (Enfermería), enfocado en análisis de datos genómicos, estadística aplicada y modelos de machine learning sobre datos biomédicos.

Contacto: samuelespitia2000@gmail.com · Montería, Colombia

Proyectos destacados

Análisis de diversidad genética y estructura poblacional en cabras Trabajo de Fin de Máster. Pipeline en R (adegenet, poppr, hierfstat, ape) con AMOVA, DAPC, equilibrio de Hardy-Weinberg y árbol filogenético sobre 176 muestras y 13 marcadores microsatélites STR.

Clasificación de expresión génica con Machine Learning Reducción de dimensionalidad (PCA, t-SNE, UMAP), clustering y clasificadores kNN/SVM/Naive Bayes sobre datos de expresión génica de 5 tipos tumorales (AUC > 0.97).

Clasificación de malaria con CNN Red neuronal convolucional (TensorFlow/Keras) para distinguir células infectadas vs. sanas a partir de imágenes de microscopía (90.6% accuracy).

Bioestadística aplicada a expresión génica PCA, clustering, heatmaps y 5 modelos de regresión logística comparados con ROC/AUC y Precision-Recall sobre datos de expresión génica.

Stack técnico

Lenguajes: R · Python · SQL · Bash Bioinformática: Biopython, BioPerl, adegenet, poppr, hierfstat, DESeq2, Salmon, QIIME2, PyMOL Machine Learning: Scikit-learn, TensorFlow/Keras, caret Bases de datos: MySQL, MongoDB

Pinned Loading

  1. Analisis-de-diversidad-genetica-y-estructura-poblacional-en-cabras-mediante-marcadores-microsatelite Analisis-de-diversidad-genetica-y-estructura-poblacional-en-cabras-mediante-marcadores-microsatelite Public

    trabajo de fin de master (TFM) de la UNIR realizado por Samuel Espitia, Luisa Ospina y Miller Vargas

    R

  2. clasificacion-CNN-malaria clasificacion-CNN-malaria Public

    CNN (TensorFlow/Keras) para clasificación de células infectadas de malaria (90.6% accuracy), más comparación de SVM/Random Forest/Naive Bayes. Actividad grupal del Máster en Bioinformática (UNIR).

    Jupyter Notebook

  3. clasificacion-ML-expresion-genica clasificacion-ML-expresion-genica Public

    Clasificación de expresión génica (5 tipos tumorales) con PCA, t-SNE/UMAP, clustering y clasificadores kNN/SVM/Naive Bayes en R. Actividad grupal del Máster en Bioinformática (UNIR).

    R

  4. samuelespitia2000.github.io samuelespitia2000.github.io Public

    HTML

  5. SamuelSalazar21/Analisis_expresion_diferencial_genes SamuelSalazar21/Analisis_expresion_diferencial_genes Public

    Este repositorio tiene la finalidad de albergar todos los archivos utilizados para llevar a cabo la resolución de la actividad, desde los comandos y scripts ejecutados como los archivos resultantes…

    HTML

  6. bioestadistica-expresion-genica bioestadistica-expresion-genica Public

    Análisis de bioestadística en R: normalidad, PCA, clustering, heatmaps y 5 modelos de regresión logística con ROC/AUC sobre datos de expresión génica. Máster en Bioinformática (UNIR).