Metodología para la generación de péptidos sintéticos antimicrobianos usando aprendizaje profundo y algoritmos de clasificación
La resistencia de las bacterias a los antibióticos ha generado una preocupación creciente en nuestra sociedad. En la actualidad, se estima que en el mundo se presentan alrededor de 30 millones de casos de sepsis al año, de las cuales cerca de 5 millones terminan en muertes como resultado de infeccio...
- Autores:
-
Vélez Echeverri, Andrés
- Tipo de recurso:
- Fecha de publicación:
- 2019
- Institución:
- Universidad Nacional de Colombia
- Repositorio:
- Universidad Nacional de Colombia
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unal.edu.co:unal/77288
- Acceso en línea:
- https://repositorio.unal.edu.co/handle/unal/77288
http://bdigital.unal.edu.co/74922/
- Palabra clave:
- Resistencia antimicrobiana
Péptidos antimicrobianos
Virtual screening
Aprendizaje profundo
Antimicrobial resistance
virtual screening
Deep learning
- Rights
- openAccess
- License
- Atribución-NoComercial 4.0 Internacional
| id |
UNACIONAL2_838772e7a2d70e49c0a42af20aec2d12 |
|---|---|
| oai_identifier_str |
oai:repositorio.unal.edu.co:unal/77288 |
| network_acronym_str |
UNACIONAL2 |
| network_name_str |
Universidad Nacional de Colombia |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Metodología para la generación de péptidos sintéticos antimicrobianos usando aprendizaje profundo y algoritmos de clasificación |
| title |
Metodología para la generación de péptidos sintéticos antimicrobianos usando aprendizaje profundo y algoritmos de clasificación |
| spellingShingle |
Metodología para la generación de péptidos sintéticos antimicrobianos usando aprendizaje profundo y algoritmos de clasificación Resistencia antimicrobiana Péptidos antimicrobianos Virtual screening Aprendizaje profundo Antimicrobial resistance virtual screening Deep learning |
| title_short |
Metodología para la generación de péptidos sintéticos antimicrobianos usando aprendizaje profundo y algoritmos de clasificación |
| title_full |
Metodología para la generación de péptidos sintéticos antimicrobianos usando aprendizaje profundo y algoritmos de clasificación |
| title_fullStr |
Metodología para la generación de péptidos sintéticos antimicrobianos usando aprendizaje profundo y algoritmos de clasificación |
| title_full_unstemmed |
Metodología para la generación de péptidos sintéticos antimicrobianos usando aprendizaje profundo y algoritmos de clasificación |
| title_sort |
Metodología para la generación de péptidos sintéticos antimicrobianos usando aprendizaje profundo y algoritmos de clasificación |
| dc.creator.fl_str_mv |
Vélez Echeverri, Andrés |
| dc.contributor.advisor.spa.fl_str_mv |
Orduz Peralta, Sergio (Thesis advisor) Branch Bedoya, John Willian (Thesis advisor) |
| dc.contributor.author.spa.fl_str_mv |
Vélez Echeverri, Andrés |
| dc.contributor.spa.fl_str_mv |
Mera Banguero, Carlos Andrés |
| dc.subject.proposal.spa.fl_str_mv |
Resistencia antimicrobiana Péptidos antimicrobianos Virtual screening Aprendizaje profundo Antimicrobial resistance virtual screening Deep learning |
| topic |
Resistencia antimicrobiana Péptidos antimicrobianos Virtual screening Aprendizaje profundo Antimicrobial resistance virtual screening Deep learning |
| description |
La resistencia de las bacterias a los antibióticos ha generado una preocupación creciente en nuestra sociedad. En la actualidad, se estima que en el mundo se presentan alrededor de 30 millones de casos de sepsis al año, de las cuales cerca de 5 millones terminan en muertes como resultado de infecciones que resisten los tratamientos con antibióticos tradicionales. Este panorama ha llevado a la búsqueda de nuevos antibióticos que permitan combatir las bacterias resistentes. Los péptidos antimicrobianos (o AMPs, de su sigla en inglés Antimicrobial Peptides) han tomado importancia en el desarrollo de nuevos antibióticos por su rol como agente inhibidor, no solo de bacterias sino también de virus, hongos y parásitos, entre otros. Los AMPs son parte esencial de todos los organismos vivos y configuran la primera línea de defensa contra bacterias, microbios y parásitos. Desde el descubrimiento de los AMPs, miles han sido reportados en la literatura, sin embargo, muchos de ellos no son adecuados para aplicaciones terapéuticas debido a sus largas secuencias de aminoácidos, baja potencia antimicrobiana y altos costos de producción. Con la finalidad de generar péptidos más potentes y de forma más económica, diversas aproximaciones han sido desarrolladas. Entre ellas, virtual screening se caracteriza por emplear métodos computacionales que ayudan a disminuir los costos y el tiempo de producción de AMPs. Con base en lo anterior, en este trabajo de maestría se propone una metodología para la generación de péptidos sintéticos antimicrobianos usando como referente virtual screening. La metodología propuesta involucra la evaluación de diferentes arquitecturas de aprendizaje profundo, las cuales son usadas para generar AMPs sintéticos. Los resultados muestran que las técnicas de aprendizaje profundo pueden aprender la estructura de un AMP y a partir de esta crear nuevos péptidos sintéticos con capacidad antimicrobiana. |
| publishDate |
2019 |
| dc.date.issued.spa.fl_str_mv |
2019-08-31 |
| dc.date.accessioned.spa.fl_str_mv |
2020-03-30T06:45:23Z |
| dc.date.available.spa.fl_str_mv |
2020-03-30T06:45:23Z |
| dc.type.spa.fl_str_mv |
Trabajo de grado - Maestría |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/TM |
| status_str |
acceptedVersion |
| dc.identifier.uri.none.fl_str_mv |
https://repositorio.unal.edu.co/handle/unal/77288 |
| dc.identifier.eprints.spa.fl_str_mv |
http://bdigital.unal.edu.co/74922/ |
| url |
https://repositorio.unal.edu.co/handle/unal/77288 http://bdigital.unal.edu.co/74922/ |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.ispartof.spa.fl_str_mv |
Universidad Nacional de Colombia Sede Medellín Facultad de Minas Instituto de Sistemas y Ciencias de la Decisión Instituto de Sistemas y Ciencias de la Decisión |
| dc.relation.haspart.spa.fl_str_mv |
0 Generalidades / Computer science, information and general works |
| dc.relation.references.spa.fl_str_mv |
Vélez Echeverri, Andrés (2019) Metodología para la generación de péptidos sintéticos antimicrobianos usando aprendizaje profundo y algoritmos de clasificación. Maestría thesis, Universidad Nacional de Colombia - Sede Medellín. |
| dc.rights.spa.fl_str_mv |
Derechos reservados - Universidad Nacional de Colombia |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.license.spa.fl_str_mv |
Atribución-NoComercial 4.0 Internacional |
| dc.rights.uri.spa.fl_str_mv |
http://creativecommons.org/licenses/by-nc/4.0/ |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| rights_invalid_str_mv |
Atribución-NoComercial 4.0 Internacional Derechos reservados - Universidad Nacional de Colombia http://creativecommons.org/licenses/by-nc/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| institution |
Universidad Nacional de Colombia |
| bitstream.url.fl_str_mv |
https://repositorio.unal.edu.co/bitstream/unal/77288/1/1017206498.2019.pdf https://repositorio.unal.edu.co/bitstream/unal/77288/2/1017206498.2019.pdf.jpg |
| bitstream.checksum.fl_str_mv |
5a07802b032659cafcd0ba4959d0b494 f678c97d8b2fbdb3ef9d835f4e2c850d |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Universidad Nacional de Colombia |
| repository.mail.fl_str_mv |
repositorio_nal@unal.edu.co |
| _version_ |
1814089650533302272 |
| spelling |
Atribución-NoComercial 4.0 InternacionalDerechos reservados - Universidad Nacional de Colombiahttp://creativecommons.org/licenses/by-nc/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Mera Banguero, Carlos AndrésOrduz Peralta, Sergio (Thesis advisor)495f8fb6-26fd-4369-9770-e329966f57a4-1Branch Bedoya, John Willian (Thesis advisor)d70a9626-630a-43d6-ac82-13b58c279f68-1Vélez Echeverri, Andrésaf0ab7c4-ff3f-47d5-9eb8-7b1ac9d878b93002020-03-30T06:45:23Z2020-03-30T06:45:23Z2019-08-31https://repositorio.unal.edu.co/handle/unal/77288http://bdigital.unal.edu.co/74922/La resistencia de las bacterias a los antibióticos ha generado una preocupación creciente en nuestra sociedad. En la actualidad, se estima que en el mundo se presentan alrededor de 30 millones de casos de sepsis al año, de las cuales cerca de 5 millones terminan en muertes como resultado de infecciones que resisten los tratamientos con antibióticos tradicionales. Este panorama ha llevado a la búsqueda de nuevos antibióticos que permitan combatir las bacterias resistentes. Los péptidos antimicrobianos (o AMPs, de su sigla en inglés Antimicrobial Peptides) han tomado importancia en el desarrollo de nuevos antibióticos por su rol como agente inhibidor, no solo de bacterias sino también de virus, hongos y parásitos, entre otros. Los AMPs son parte esencial de todos los organismos vivos y configuran la primera línea de defensa contra bacterias, microbios y parásitos. Desde el descubrimiento de los AMPs, miles han sido reportados en la literatura, sin embargo, muchos de ellos no son adecuados para aplicaciones terapéuticas debido a sus largas secuencias de aminoácidos, baja potencia antimicrobiana y altos costos de producción. Con la finalidad de generar péptidos más potentes y de forma más económica, diversas aproximaciones han sido desarrolladas. Entre ellas, virtual screening se caracteriza por emplear métodos computacionales que ayudan a disminuir los costos y el tiempo de producción de AMPs. Con base en lo anterior, en este trabajo de maestría se propone una metodología para la generación de péptidos sintéticos antimicrobianos usando como referente virtual screening. La metodología propuesta involucra la evaluación de diferentes arquitecturas de aprendizaje profundo, las cuales son usadas para generar AMPs sintéticos. Los resultados muestran que las técnicas de aprendizaje profundo pueden aprender la estructura de un AMP y a partir de esta crear nuevos péptidos sintéticos con capacidad antimicrobiana.Abstract: The resistance of bacteria to antibiotics has generated a growing concern worldwide. Currently, it is estimated 30 million cases of sepsis occur annually in the world, of which about 5 million ends in deaths because of infections that resist traditional antibiotic treatments. This scenario has led to the search for new antibiotics that can fight resistant bacteria. The antimicrobial peptides (AMPs) have taken importance in the development of new antibiotics because of their role as an inhibitor, not only of bacteria but also of viruses, fungi and parasites, among others. AMPs are an essential part of all living organisms and form the first line of defense against bacteria, microbes and parasites. Since the discovery of AMPs, thousands have been reported, however, many of them are not suitable for therapeutic applications due to their long amino acid sequences, low antimicrobial potency and high production costs. In order to generate more potent and economical peptides, various approaches have been used, of which virtual screening, which is characterized to use computational methods to reduce AMPs production costs and time. In this master's thesis is proposed a methodology to generate synthetic antimicrobial peptides using virtual screening as reference. The proposed methodology involves the evaluation of different deep learning architectures, which are used to generate synthetic AMPs. The results show that deep learning techniques can learn the structure of an AMPs and from this create new synthetic peptides with antimicrobial capacity.Maestríaapplication/pdfspaUniversidad Nacional de Colombia Sede Medellín Facultad de Minas Instituto de Sistemas y Ciencias de la DecisiónInstituto de Sistemas y Ciencias de la Decisión0 Generalidades / Computer science, information and general worksVélez Echeverri, Andrés (2019) Metodología para la generación de péptidos sintéticos antimicrobianos usando aprendizaje profundo y algoritmos de clasificación. Maestría thesis, Universidad Nacional de Colombia - Sede Medellín.Metodología para la generación de péptidos sintéticos antimicrobianos usando aprendizaje profundo y algoritmos de clasificaciónTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/acceptedVersionTexthttp://purl.org/redcol/resource_type/TMResistencia antimicrobianaPéptidos antimicrobianosVirtual screeningAprendizaje profundoAntimicrobial resistancevirtual screeningDeep learningORIGINAL1017206498.2019.pdfapplication/pdf2046326https://repositorio.unal.edu.co/bitstream/unal/77288/1/1017206498.2019.pdf5a07802b032659cafcd0ba4959d0b494MD51THUMBNAIL1017206498.2019.pdf.jpg1017206498.2019.pdf.jpgGenerated Thumbnailimage/jpeg4871https://repositorio.unal.edu.co/bitstream/unal/77288/2/1017206498.2019.pdf.jpgf678c97d8b2fbdb3ef9d835f4e2c850dMD52unal/77288oai:repositorio.unal.edu.co:unal/772882023-07-18 23:03:34.625Repositorio Institucional Universidad Nacional de Colombiarepositorio_nal@unal.edu.co |