Predicción estructural de proteínas usando técnicas de clasificación
In this paper, a new protein structure prediction method is presented. Unlike current methods, this work introduces an approach based on supervised classification algorithms during the protein structure prediction. The accuracy of the proposed method was compared to traditional methods such as LFF (...
- Autores:
- Tipo de recurso:
- Fecha de publicación:
- 2018
- Institución:
- Universidad Industrial de Santander
- Repositorio:
- Repositorio UIS
- Idioma:
- spa
- OAI Identifier:
- oai:noesis.uis.edu.co:20.500.14071/8365
- Acceso en línea:
- https://revistas.uis.edu.co/index.php/revistauisingenierias/article/view/6409
https://noesis.uis.edu.co/handle/20.500.14071/8365
- Palabra clave:
- Bioinformatics
classifiers
structural prediction
proteins
SCOP
Bioinformática
clasificadores
predicción estructural
proteínas
SCOP
- Rights
- openAccess
- License
- Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
id |
UISANTADR2_62a61bad8f42c592c637775d41ce78c7 |
---|---|
oai_identifier_str |
oai:noesis.uis.edu.co:20.500.14071/8365 |
network_acronym_str |
UISANTADR2 |
network_name_str |
Repositorio UIS |
repository_id_str |
|
spelling |
Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)Derechos de autor 2018 Revista UIS Ingenieríashttp://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)2018-06-192022-03-14T20:29:49Z2022-03-14T20:29:49Zhttps://revistas.uis.edu.co/index.php/revistauisingenierias/article/view/640910.18273/revuin.v17n2-2018007https://noesis.uis.edu.co/handle/20.500.14071/8365In this paper, a new protein structure prediction method is presented. Unlike current methods, this work introduces an approach based on supervised classification algorithms during the protein structure prediction. The accuracy of the proposed method was compared to traditional methods such as LFF (Local Feature Frequency) when using the Scop 2,05 dataset. The results indicate that there is a significant difference between these two methods. The proposed method reaches accuracy values of 92.13 %, 96.32 %, 93.05 %, and 76.35 %, at class, fold, superfamily, and family levels, respectively, and the LFF method reaches accuracy values of 85.90 %, 90.54 %, 79.85 % and 67.38 %, for the same structural levels.En este artículo se presenta un nuevo enfoque para la predicción estructural de proteínas. A diferencia de los métodos que existen actualmente, en este trabajo se propone un enfoque en el que se utilizan algoritmos de clasificación basados en aprendizaje supervisado para efectuar la predicción estructural. El desempeño del método propuesto se compara con el de métodos tradicionales como local feature frequency (LFF) usando el conjunto de datos Scop 2,05. Los resultados obtenidos indican que hay una diferencia favorable para el método propuesto y alcanzan porcentajes de proteínas correctamente clasificadas de 92,13 %, en cuanto a clase; 96,32 %, pliegue; 93,05 %, en superfamilia, y 76,35 %, en familia. Así se superan métodos tradicionales como LFF, que obtiene porcentajes de 85,90 %, 90,54 %, 79,85 % y 67,38 % para los mismos niveles estructurales.application/pdftext/htmlspaUniversidad Industrial de Santanderhttps://revistas.uis.edu.co/index.php/revistauisingenierias/article/view/6409/8148https://revistas.uis.edu.co/index.php/revistauisingenierias/article/view/6409/9417REVISTA UIS ENGENHARIAS; v. 17 n. 2 (2018): Revista UIS Ingenierías; 75-86Revista UIS Ingenierías; Vol. 17 Núm. 2 (2018): Revista UIS Ingenierías; 75-86Revista UIS Ingenierías; Vol. 17 No. 2 (2018): Revista UIS Ingenierías; 75-862145-84561657-4583Bioinformaticsclassifiersstructural predictionproteinsSCOPBioinformáticaclasificadorespredicción estructuralproteínasSCOPPredicción estructural de proteínas usando técnicas de clasificaciónProtein structure prediction using classification techniquesinfo:eu-repo/semantics/articlehttp://purl.org/coar/version/c_970fb48d4fbd8a85http://purl.org/coar/resource_type/c_2df8fbb1Charry-Ceballos, ChristianBedoya Leiva, Oscar Fernando20.500.14071/8365oai:noesis.uis.edu.co:20.500.14071/83652022-03-16 12:40:17.978metadata.onlyhttps://noesis.uis.edu.coDSpace at UISnoesis@uis.edu.co |
dc.title.es-ES.fl_str_mv |
Predicción estructural de proteínas usando técnicas de clasificación |
dc.title.en-US.fl_str_mv |
Protein structure prediction using classification techniques |
title |
Predicción estructural de proteínas usando técnicas de clasificación |
spellingShingle |
Predicción estructural de proteínas usando técnicas de clasificación Bioinformatics classifiers structural prediction proteins SCOP Bioinformática clasificadores predicción estructural proteínas SCOP |
title_short |
Predicción estructural de proteínas usando técnicas de clasificación |
title_full |
Predicción estructural de proteínas usando técnicas de clasificación |
title_fullStr |
Predicción estructural de proteínas usando técnicas de clasificación |
title_full_unstemmed |
Predicción estructural de proteínas usando técnicas de clasificación |
title_sort |
Predicción estructural de proteínas usando técnicas de clasificación |
dc.subject.en-US.fl_str_mv |
Bioinformatics classifiers structural prediction proteins SCOP |
topic |
Bioinformatics classifiers structural prediction proteins SCOP Bioinformática clasificadores predicción estructural proteínas SCOP |
dc.subject.es-ES.fl_str_mv |
Bioinformática clasificadores predicción estructural proteínas SCOP |
description |
In this paper, a new protein structure prediction method is presented. Unlike current methods, this work introduces an approach based on supervised classification algorithms during the protein structure prediction. The accuracy of the proposed method was compared to traditional methods such as LFF (Local Feature Frequency) when using the Scop 2,05 dataset. The results indicate that there is a significant difference between these two methods. The proposed method reaches accuracy values of 92.13 %, 96.32 %, 93.05 %, and 76.35 %, at class, fold, superfamily, and family levels, respectively, and the LFF method reaches accuracy values of 85.90 %, 90.54 %, 79.85 % and 67.38 %, for the same structural levels. |
publishDate |
2018 |
dc.date.accessioned.none.fl_str_mv |
2022-03-14T20:29:49Z |
dc.date.available.none.fl_str_mv |
2022-03-14T20:29:49Z |
dc.date.none.fl_str_mv |
2018-06-19 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/article |
dc.type.coarversion.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_2df8fbb1 |
dc.identifier.none.fl_str_mv |
https://revistas.uis.edu.co/index.php/revistauisingenierias/article/view/6409 10.18273/revuin.v17n2-2018007 |
dc.identifier.uri.none.fl_str_mv |
https://noesis.uis.edu.co/handle/20.500.14071/8365 |
url |
https://revistas.uis.edu.co/index.php/revistauisingenierias/article/view/6409 https://noesis.uis.edu.co/handle/20.500.14071/8365 |
identifier_str_mv |
10.18273/revuin.v17n2-2018007 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.relation.none.fl_str_mv |
https://revistas.uis.edu.co/index.php/revistauisingenierias/article/view/6409/8148 https://revistas.uis.edu.co/index.php/revistauisingenierias/article/view/6409/9417 |
dc.rights.es-ES.fl_str_mv |
Derechos de autor 2018 Revista UIS Ingenierías |
dc.rights.license.none.fl_str_mv |
Attribution-NonCommercial 4.0 International (CC BY-NC 4.0) |
dc.rights.coar.none.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
dc.rights.accessrights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
dc.rights.creativecommons.none.fl_str_mv |
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) |
rights_invalid_str_mv |
Attribution-NonCommercial 4.0 International (CC BY-NC 4.0) Derechos de autor 2018 Revista UIS Ingenierías http://purl.org/coar/access_right/c_abf2 Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf text/html |
dc.publisher.es-ES.fl_str_mv |
Universidad Industrial de Santander |
dc.source.pt-BR.fl_str_mv |
REVISTA UIS ENGENHARIAS; v. 17 n. 2 (2018): Revista UIS Ingenierías; 75-86 |
dc.source.es-ES.fl_str_mv |
Revista UIS Ingenierías; Vol. 17 Núm. 2 (2018): Revista UIS Ingenierías; 75-86 |
dc.source.en-US.fl_str_mv |
Revista UIS Ingenierías; Vol. 17 No. 2 (2018): Revista UIS Ingenierías; 75-86 |
dc.source.none.fl_str_mv |
2145-8456 1657-4583 |
institution |
Universidad Industrial de Santander |
repository.name.fl_str_mv |
DSpace at UIS |
repository.mail.fl_str_mv |
noesis@uis.edu.co |
_version_ |
1814095207980859392 |