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 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.

• 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
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/