Desarrollo de un predictor de interacciones entre dominios de proteínas basado en nuevos descriptores numéricos de secuencias de aminoácidos

Vista sencilla de ítem
dc.contributor.advisorRuiz Blanco, Yasser
dc.contributor.advisorGarcía Lorenzo, María Matilde
dc.contributor.authorRomero Molina, Sandra
dc.coverage.spatial1016432en_US
dc.coverage.spatialSanta Claraen_US
dc.date.accessioned2018-01-30T22:03:08Z
dc.date.available2018-01-30T22:03:08Z
dc.date.issued2016-11-15
dc.description.abstractLas proteínas intervienen en todos los procesos biológicos que ocurren con y entre las células. Particularmente las interacciones entre proteínas determinan muchas de sus funciones, como la acción enzimática en procesos metabólicos, la transmisión de señales y el transporte de sustancias. Por ello, el desarrollo de métodos computacionales de predicción de Interacciones Proteína-Proteína (PPI del inglés Protein-Protein Interactions) resulta uno de los objetivos más significativos de la Biología Computacional moderna. Los mejores métodos de predicción de PPI emplean el análisis de homología entre proteínas, mediante técnicas de alineamiento de secuencias de aminoácidos. Esta estrategia, unido al deficiente uso de casos de pares sin interacción, lleva a que los métodos muestren baja precisión, lo que limita su aplicabilidad para el diseño de proteínas/péptidos. El presente trabajo describe los resultados obtenidos en la modelación de interacciones dominio-dominio (DDI) empleando nuevos descriptores numéricos libres de alineamiento calculados con el software ProtDCal. Se conforma una base de casos de pares de dominios de proteínas con interacción o ausencia de interacción; obtenidos de las bases de datos 3DID, iPFam y Negatome, en donde cada par de secuencias es representado por un conjunto de descriptores numéricos. Se realiza un pre-procesamiento del conjunto de entrenamiento y se construyen modelos empleando la técnica de aprendizaje automatizado Máquinas de Vectores de Soporte. Los resultados se comparan con métodos externos; mostrando un desempeño superior particularmente en la exactitud de las predicciones.en_US
dc.description.abstractProteins are involved in all biological processes occurring within and between cells. Particularly protein interactions determine many of its functions such as enzyme action in metabolic processes, signal transmission and transport of substances. That is why the development of computational methods for predicting protein-protein interactions is one of the most important goals of modern Computational Biology. Best PPI prediction methods used to date analyze homology between proteins by amino acid sequences alignment techniques. This homology dependent strategy, coupled with poor use of case negative information leads to methods show low precision, which limits its applicability to design proteins / peptides. This paper describes the results of the modeling domain-domain interactions (DDI) using new free alignment numerical descriptors calculated with ProtDCal software. An instances base is formed by pairs of protein domains with interaction or absence of interaction obtained from the 3DID, IPFam and Negatome databases; in which each pair of sequences is represented by a set of numerical descriptors. A pre-processing of the training set is performed and models are constructed using the machine learning technique Support Vector Machines. The results are compared with those shown by different external methods; showing superior performance particularly in the accuracy of predictions.en_US
dc.description.statusnon-publisheden_US
dc.identifier.urihttps://dspace.uclv.edu.cu/handle/123456789/8592
dc.language.isoesen_US
dc.publisherUniversidad Central “Marta Abreu” de Las Villas. Facultad de Matemática, Física y Computación. Departamento de Ciencias de la Computaciónen_US
dc.rightsEste documento es Propiedad Patrimonial de la Universidad Central “Marta Abreu” de Las Villas. Los usuarios podrán hacer uso de esta obra bajo la siguiente licencia: Creative Commons: Atribución-No Comercial-Compartir Igual 4.0 Licenseen_US
dc.subjectProteínasen_US
dc.subjectTécnicas Wrapperen_US
dc.subjectDominios de Proteínasen_US
dc.titleDesarrollo de un predictor de interacciones entre dominios de proteínas basado en nuevos descriptores numéricos de secuencias de aminoácidosen_US
dc.typeThesisen_US
dc.type.thesismasteren_US

Archivos

Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
Documento_Master_Sandra_Romero.pdf
Tamaño:
1.66 MB
Formato:
Adobe Portable Document Format
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
3.33 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Tesis de Maestría - Computación Aplicada