Sistema de clasificación de péptidos antibacterianos utilizando máquinas de soporte vectorial

En los últimos años, el reconocimiento de patrones se ha aplicado en diversas áreas para resolver múltiples problemas. Una de estas áreas es el diseño in silico de medicamentos, donde ha sido ampliamente utilizados en el análisis de proteínas. Por ejemplo, para predecir la actividad antibacteriana presente en péptidos (proteínas cortas), los cuáles se están utilizando como alternativas a los medicamentos tradicionales. En este trabajo, se propone utilizar herramientas como las máquinas de soporte vectorial(SVM, por sus siglas en inglés) junto con el modelo denominado Relación Cuantitativa entre Estructura-Actividad (QSAR, por sus siglas en inglés), para realizar el reconocimiento de patrones y crear algoritmos que permitan identificar la actividad antibacteriana en péptidos. Para llevar a cabo este proceso, se parte de un conjunto de 2288 secuencias representativas de péptidos con y sin actividad antimicrobiana, para los cuáles se codifica información numérica y como resultado se creó un clasificador en cascada que muestra una precisión estimada del 80%, resultados que permiten inferir que los descriptores utilizados para codificar las secuencias contienen la información suficiente para relacionar los péptidos y su actividad antibacteriana mediante el uso de máquinas de aprendizaje.

• Autores: Camacho Urrea, Francy Liliana
• Tipo de recurso: http://purl.org/coar/version/c_b1a7d7d4d402bcce
• Fecha de publicación: 2013
• Institución: Universidad Industrial de Santander
• Repositorio: Repositorio UIS
• Idioma: spa
• OAI Identifier: oai:noesis.uis.edu.co:20.500.14071/29173
• Acceso en línea: https://noesis.uis.edu.co/handle/20.500.14071/29173; https://noesis.uis.edu.co
• Palabra clave: Diseño De Medicamentos; Máquinas De Soporte Vectorial; Péptidos Antibacterianos; Design Of Drugs; Support Vector Machines; Antibacterial Peptides.
• License: Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)