Prediction of protein-protein interactions through support vector machines
En este artículo, se implementa un método basado en SVM para la predicción de interacciones proteína-proteína. Este modelo es inicialmente entrenado con un conjunto de más de 69.000 pares de secuencias de proteínas basado en interacciones positivas documentadas. Luego, Se realiza un método de valida...
- Autores:
-
Arango RodrÍguez, Julián David
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2015
- Institución:
- Instituto Tecnológico Metropolitano
- Repositorio:
- Repositorio ITM
- Idioma:
- eng
- OAI Identifier:
- oai:repositorio.itm.edu.co:20.500.12622/4072
- Acceso en línea:
- http://hdl.handle.net/20.500.12622/4072
- Palabra clave:
- Proteínas
Vectores
Bioinformática
Kernel
Partículas elementales
Media geométrica
SVM ( Support Vector Machines)
Cell interaction
Swarm intelligence
Immunoespecificity
Microbial sensivity tests
Support Vector Machines
Interacción celular
Inteligencia de enjambre
Inmunoespecificidad
Antibiogramas
Máquinas de vectores de soporte
- Rights
- License
- http://creativecommons.org/licenses/by-nc-nd/4.0/
| Summary: | En este artículo, se implementa un método basado en SVM para la predicción de interacciones proteína-proteína. Este modelo es inicialmente entrenado con un conjunto de más de 69.000 pares de secuencias de proteínas basado en interacciones positivas documentadas. Luego, Se realiza un método de validación cruzada para estimar la precisión del sistema, mostrando rendimientos aceptables en términos de sensibilidad, especificidad y media geométrica. los los resultados son aproximadamente equilibrados y el rendimiento general si alrededor del 70% se clasifica a través de un kernel por pares y los parámetros se establecen a través de una optimización de enjambre de partículas meta-heurística y mostrando resultados prometedores para el campo de la bioinformática. |
|---|