Estrategias multi-etiqueta orientadas a la predicción funcional de proteínas en organismos embryophyta

Tradicionalmente, la identificación de funciones en proteínas se ha venido desarrollando por complejos y costosos procedimientos experimentales junto con mecanismos computacionales que buscan similitudes a través de alineamientos secuencia-secuencia, secuencia-perfiles, entre otros. Sin embargo, estos métodos pierden efectividad cuando proteínas con igual función presentan bajas similitudes, los sistemas más recientes emplean métodos de aprendizaje de maquina en espacios que son representados por características evolutivas, químicas, físicas, estadísticas, entre otras. Pero, ´estos se han restringido a problemas donde las clases son mutuamente excluyentes, buscando suplir debilidades de los sistemas tradicionales como: velocidad de inferencia y grado de acierto, este trabajo se ha centrado en el estudio de métodos que manejen simultáneamente múltiples etiquetas. En esta tesis se desarrolla un estudio sobre problemas de clasificación que involucran simultáneamente múltiples etiquetas, para este fin son ajustados una variedad de modelos que capturan la correlación entre las clases, igualmente se proponen un conjunto de alternativas para tratar el desbalance de clases sobre estos problemas. También se analizan y discuten las medidas usadas para calcular los rendimientos de clasificación. Las estrategias analizadas se probaron experimentalmente sobre diferentes conjuntos de datos, pertenecientes a diversas labores tales como: predicción de funciones de proteínas, clasificación de imágenes, análisis de textos y detección de emociones. Los resultados mostraron que la relevancia binaria es la opción más adecuada cuando no existen altos grados de dependencia entre las clases, y que las medidas utilizadas actualmente no son adecuadas para identificar sensibilidades en los algoritmos y que el balance de clases por sobremuestreo en problemas multi-etiqueta afecta de manera negativa el rendimiento de clasificación

• Autores: Giraldo Forero, Andrés Felipe
• Fecha de publicación: 2015
• Institución: Universidad Nacional de Colombia
• Repositorio: Universidad Nacional de Colombia
• Idioma: spa
• OAI Identifier: oai:repositorio.unal.edu.co:unal/55633
• Acceso en línea: https://repositorio.unal.edu.co/handle/unal/55633; http://bdigital.unal.edu.co/51063/
• Palabra clave: 0 Generalidades / Computer science, information and general works; 57 Ciencias de la vida; Biología / Life sciences; biology; 6 Tecnología (ciencias aplicadas) / Technology; Adaptación del algoritmo; Bioinformática; Ontología del gen; Clasificación multi-etiqueta; Transformación del problema; Proteínas; Algorithm adaptation; Bioinformatics; Gene ontology; Multi-label clasification; Problem transformation; Proteins
• Rights: openAccess
• License: Atribución-NoComercial 4.0 Internacional