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 (...

Full description

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