Escudo de la República de Colombia
Sistema Nacional de Biliotecas - Repositorio Institucional Universidad Nacional de Colombia Biblioteca Digital - Repositorio Institucional UN Sistema Nacional de Bibliotecas UN

Método computacional para la identificación de proteínas secretadas por vía no clásica / Computational method for the classification of non classical secreted protein

Restrepo Montoya, Daniel (2010) Método computacional para la identificación de proteínas secretadas por vía no clásica / Computational method for the classification of non classical secreted protein. Maestría thesis, Universidad Nacional de Colombia.

Texto completo

[img]
Vista previa
PDF - Versión Aceptada
Available under License Creative Commons Attribution Non-commercial No Derivatives.

1MB

Resumen

Este trabajo propuso un método computacional innovador para la clasificación de proteínas secretadas por vía no clásica. De forma específica se presenta una aproximación novedosa tanto en la comprensión y uso de los métodos basados en aprendizaje de máquina como en la solución a un problema complejo previamente reportado por la comunidad científica. La nueva metodología denominada SIG+SVM fue validada con datos evaluados experimentalmente superando las aproximaciones previamente reportadas para la clasificación de proteínas que cumplen con esta condición. Así mismo, se proponen transformaciones innovadoras a partir de procesos eficaces, reportando excelentes resultados, lo cual se ve reflejado de manera directa en el área de las ciencias de la vida a nivel mundial, abriendo un espacio único para el Departamento de Ingeniería de Sistemas. / Abstract. This work proposed novel computational method for classifying Gram-positive proteins that are secreted via the nonclassical secretory pathway, denoted as SIG+SVM: secretion independent Gram-positive supported vector machine. SIG+SVM implements novel approaches, both in the use and understanding of Kernel methods as well as for the solution of a biological problem. It is composed by 4 Kernel-based classifiers (frequencies, dipeptides, physicochemical factors and PSSM), each of which is based on different vectorial representations obtained by applying different amino acid sequence transformations to the input data. The method performed better than previously reported approaches proposed for classifying nonclassically secreted proteins when being tested with an experimentally validated protein dataset.

Tipo de documento:Tesis/trabajos de grado - Thesis (Maestría)
Colaborador / Asesor:Niño, Luis Fernando and Patarroyo, Manuel Alfonso
Información adicional:Msc. ingeniería de sistemas y computación
Palabras clave:Bioinformática; Aprendizaje de máquina; Bacterias; Gram-Positiva; Clasificadores; Métodos de Kernel; Bioinformatics; Machine Learning; Gram-Positive bacteria; Classifiers; Kernel methods
Temática:6 Tecnología (ciencias aplicadas) / Technology > 62 Ingeniería y operaciones afines / Engineering
Unidad administrativa:Sede Bogotá > Facultad de Ingeniería > Departamento de Ingeniería de Sistemas e Industrial
Código ID:2584
Enviado por : Universidad Nacional de Colombia Biblioteca Digital - Sede Bogotá
Enviado el día :20 Dec 2010 16:19
Ultima modificación:09 Febrero 2011 22:12
Ultima modificación:09 Febrero 2011 22:12
Exportar:Clic aquí
Estadísticas:Clic aquí
Compartir:

Solamente administradores del repositorio: página de control del ítem

Vicerrectoría de Investigación: Número uno en investigación
Indexado por:
Indexado por Scholar Google WorldCat DRIVER Registry of Open Access Repositories OpenDOAR Metabiblioteca BDCOL OAIster Red de repositorios latinoamericanos DSpace BASE Open archives La referencia Colombiae Open Access Theses and Dissertations Tesis latinoamericanas CLACSO
Este sitio web se ve mejor en Firefox