Universidad de Granada Digibug
 

Repositorio Institucional de la Universidad de Granada >
1.-Investigación >
Tesis >

Please use this identifier to cite or link to this item: http://hdl.handle.net/10481/40874

Title: Predicción de mapas de contactos de proteínas mediante multiclasificadores
Authors: Santiesteban Toca, Cosme Ernesto
Direction: Aguilar Ruiz, Salvador
Collaborator: Universidad de Granada. Departamento de Ciencias de la Computación e Inteligencia Artificial
Issue Date: 2016
Submitted Date: 17-Sep-2015
Abstract: La predicción de estructuras de proteínas involucra varios y muy complejos pasos, entre los que se incluye la predicción de mapas de contactos. En los últimos años se han explorado métodos basados en algoritmos de aprendizaje automático, técnicas estadísticas, bioinspiradas, combinación de clasificadores, entre otras, sin lograr aún los niveles de efectividad deseados. El objetivo de la presente investigación es diseñar un algoritmo, a partir de la información brindada por la secuencia de aminoácidos, que posea capacidad explicativa y permita predecir mapas de contactos de proteínas con una efectividad similar o superior a los algoritmos del estado del arte. Éste se sustenta sobre la base del supuesto de que el análisis de la correlación entre la estructura de residuos covalentes de una proteína y su secuencia de aminoácidos permitiría obtener un algoritmo capaz de predecir los mapas de contactos de una proteína, con una precisión aceptable. Como resultado, se obtuvo el multiclasificador FoDT, el cual es capaz de asignar contactos con una efectividad del 55% reduciendo significativamente el costo computacional. FoDT propone una codificación donde se analizan por separado cada una de las 400 parejas de aminoácidos que pueden formarse. Además, implementa un nuevo algoritmo de re-muestreo basado en una estrategia genética, capaz de reducir el nivel de desbalance que existe en la predicción de mapas de contactos. La comparación con algoritmos del estado del arte, empleando proteínas del CASP9 y el CASP10, muestra que no existen diferencias significativas con éstos, sin embargo, es capaz de brindar un mecanismo de interpretación de su base de conocimiento.
Sponsorship: Tesis Univ. Granada. Departamento de Ciencias de la Computación e Inteligencia Artificial
Publisher: Universidad de Granada
Keywords: Proteinas
Algoritmos genéticos
Previsión
Aprendizaje automático (Inteligencia artificial)
Sistemas de información
Gestión
UDC: 004
120304
URI: http://hdl.handle.net/10481/40874
ISBN: 9788491252313
Rights : Creative Commons Attribution-NonCommercial-NoDerivs 3.0 License
Citation: Santiesteban Toca, C.E. Predicción de mapas de contactos de proteínas mediante multiclasificadores. Granada: Universidad de Granada, 2016. [http://hdl.handle.net/10481/40874]
Appears in Collections:Tesis

Files in This Item:

File SizeFormat
24943605.pdf3.93 MBAdobe PDFView/Open
Recommend this item

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

 

Valid XHTML 1.0! OpenAire compliant DSpace Software Copyright © 2002-2007 MIT and Hewlett-Packard - Feedback

© Universidad de Granada