Detección de homólogos remotos usando propiedades fisicoquímicas
.
En este artículo se presenta un nuevo método para la detección de homólogos remotos en proteínas llamado CDA (Análisis de Distribución de Característica). El método CDA utiliza distribuciones de las propiedades fisicoquímicas de los aminoácidos para cada proteína. Dadas las secuencias de entrenamiento de una familia SCOP (Clasificación Estructural de Proteínas), se calcula su correspondiente distribución característica promediando los valores de las distribuciones para las proteínas que la componen. La hipótesis en esta investigación es que cada familia de proteínas F tiene una distribución característica que separa sus secuencias del resto de las proteínas en un conjunto de datos. Se seleccionó un conjunto de 72 propiedades fisicoquímicas... Ver más
1794-1237
2463-0950
14
2017-09-12
111
125
Revista EIA - 2017
info:eu-repo/semantics/openAccess
http://purl.org/coar/access_right/c_abf2
id |
metarevistapublica_eia_revistaeia_10_article_1161 |
---|---|
record_format |
ojs |
spelling |
Detección de homólogos remotos usando propiedades fisicoquímicas Detección de homólogos remotos usando propiedades fisicoquímicas En este artículo se presenta un nuevo método para la detección de homólogos remotos en proteínas llamado CDA (Análisis de Distribución de Característica). El método CDA utiliza distribuciones de las propiedades fisicoquímicas de los aminoácidos para cada proteína. Dadas las secuencias de entrenamiento de una familia SCOP (Clasificación Estructural de Proteínas), se calcula su correspondiente distribución característica promediando los valores de las distribuciones para las proteínas que la componen. La hipótesis en esta investigación es que cada familia de proteínas F tiene una distribución característica que separa sus secuencias del resto de las proteínas en un conjunto de datos. Se seleccionó un conjunto de 72 propiedades fisicoquímicas para crear diferentes distribuciones características de la misma familia. Cada distribución característica se usa como un clasificador de familias SCOP. Por último, se utiliza una clasificador Bayesiano para combinar la información de los clasificadores individuales y obtener una mejor decisión. Encontramos que cada familia tiene un conjunto de propiedades fisicoquímicas que permiten una mejor discriminación de sus secuencias. El método CDA alcanza una tasa de aciertos positivos de 0,793, una tasa de falsos positivos de 0,005 y un puntaje ROC de 0,918. El método propuesto mejora la precisión de algunas de las estrategias existentes tales como SVM-PCD y SVM-RQA. Bedoya, Óscar Detección de homólogos remotos familia SCOP propiedades fisicoquímicas. 14 27 Artículo de revista Journal article 2017-09-12 00:00:00 2017-09-12 00:00:00 2017-09-12 application/pdf Fondo Editorial EIA - Universidad EIA Revista EIA 1794-1237 2463-0950 https://revistas.eia.edu.co/index.php/reveia/article/view/1161 10.24050/reia.v14i27.1161 https://doi.org/10.24050/reia.v14i27.1161 spa https://creativecommons.org/licenses/by-nc-sa/4.0/ Revista EIA - 2017 111 125 https://revistas.eia.edu.co/index.php/reveia/article/download/1161/1058 info:eu-repo/semantics/article http://purl.org/coar/resource_type/c_6501 http://purl.org/coar/resource_type/c_2df8fbb1 http://purl.org/redcol/resource_type/ART info:eu-repo/semantics/publishedVersion http://purl.org/coar/version/c_970fb48d4fbd8a85 info:eu-repo/semantics/openAccess http://purl.org/coar/access_right/c_abf2 Text Publication |
institution |
UNIVERSIDAD EIA |
thumbnail |
https://nuevo.metarevistas.org/UNIVERSIDADEIA/logo.png |
country_str |
Colombia |
collection |
Revista EIA |
title |
Detección de homólogos remotos usando propiedades fisicoquímicas |
spellingShingle |
Detección de homólogos remotos usando propiedades fisicoquímicas Bedoya, Óscar Detección de homólogos remotos familia SCOP propiedades fisicoquímicas. |
title_short |
Detección de homólogos remotos usando propiedades fisicoquímicas |
title_full |
Detección de homólogos remotos usando propiedades fisicoquímicas |
title_fullStr |
Detección de homólogos remotos usando propiedades fisicoquímicas |
title_full_unstemmed |
Detección de homólogos remotos usando propiedades fisicoquímicas |
title_sort |
detección de homólogos remotos usando propiedades fisicoquímicas |
title_eng |
Detección de homólogos remotos usando propiedades fisicoquímicas |
description |
En este artículo se presenta un nuevo método para la detección de homólogos remotos en proteínas llamado CDA (Análisis de Distribución de Característica). El método CDA utiliza distribuciones de las propiedades fisicoquímicas de los aminoácidos para cada proteína. Dadas las secuencias de entrenamiento de una familia SCOP (Clasificación Estructural de Proteínas), se calcula su correspondiente distribución característica promediando los valores de las distribuciones para las proteínas que la componen. La hipótesis en esta investigación es que cada familia de proteínas F tiene una distribución característica que separa sus secuencias del resto de las proteínas en un conjunto de datos. Se seleccionó un conjunto de 72 propiedades fisicoquímicas para crear diferentes distribuciones características de la misma familia. Cada distribución característica se usa como un clasificador de familias SCOP. Por último, se utiliza una clasificador Bayesiano para combinar la información de los clasificadores individuales y obtener una mejor decisión. Encontramos que cada familia tiene un conjunto de propiedades fisicoquímicas que permiten una mejor discriminación de sus secuencias. El método CDA alcanza una tasa de aciertos positivos de 0,793, una tasa de falsos positivos de 0,005 y un puntaje ROC de 0,918. El método propuesto mejora la precisión de algunas de las estrategias existentes tales como SVM-PCD y SVM-RQA.
|
author |
Bedoya, Óscar |
author_facet |
Bedoya, Óscar |
topicspa_str_mv |
Detección de homólogos remotos familia SCOP propiedades fisicoquímicas. |
topic |
Detección de homólogos remotos familia SCOP propiedades fisicoquímicas. |
topic_facet |
Detección de homólogos remotos familia SCOP propiedades fisicoquímicas. |
citationvolume |
14 |
citationissue |
27 |
publisher |
Fondo Editorial EIA - Universidad EIA |
ispartofjournal |
Revista EIA |
source |
https://revistas.eia.edu.co/index.php/reveia/article/view/1161 |
language |
spa |
format |
Article |
rights |
https://creativecommons.org/licenses/by-nc-sa/4.0/ Revista EIA - 2017 info:eu-repo/semantics/openAccess http://purl.org/coar/access_right/c_abf2 |
type_driver |
info:eu-repo/semantics/article |
type_coar |
http://purl.org/coar/resource_type/c_6501 |
type_version |
info:eu-repo/semantics/publishedVersion |
type_coarversion |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
type_content |
Text |
publishDate |
2017-09-12 |
date_accessioned |
2017-09-12 00:00:00 |
date_available |
2017-09-12 00:00:00 |
url |
https://revistas.eia.edu.co/index.php/reveia/article/view/1161 |
url_doi |
https://doi.org/10.24050/reia.v14i27.1161 |
issn |
1794-1237 |
eissn |
2463-0950 |
doi |
10.24050/reia.v14i27.1161 |
citationstartpage |
111 |
citationendpage |
125 |
url2_str_mv |
https://revistas.eia.edu.co/index.php/reveia/article/download/1161/1058 |
_version_ |
1811200507152171008 |