Comparación de estrategias aglomerativas combinatorias tipo Ward usando conjuntos de datos quimioinformáticos y descriptores moleculares reales seleccionados por técnicas de aprendizaje automático

dc.contributor.authorRivera Borroto, Oscar Miguel
dc.contributor.authorHernández Llanes, David
dc.contributor.authorMarrero Ponce, Yovani
dc.contributor.authorGrau Ábalo, Ricardo del Corazón
dc.contributor.authorGarcía de la Vega, José Manuel
dc.contributor.authorRodríguez Abed, Abdel
dc.contributor.authorCasas Cardoso, Gladys
dc.contributor.authorRodríguez Martín, Itnamy
dc.contributor.authorDíaz Gálvez, Amalia
dc.contributor.departmentUniversida Central "Marta Abreu" de Las Villas. Facultad de Matemática Física y Computación. Centro de Investigaciones de la Informáticaen_US
dc.coverage.spatialSanta Claraen_US
dc.date.accessioned2019-01-08T23:43:15Z
dc.date.available2019-01-08T23:43:15Z
dc.date.issued2011
dc.description.abstractEl trabajo aborda la temática de los algoritmos de conglomerados combinatorios y su aplicación en problemas de la Quimioinformática como son el cribado virtual y las técnicas de selección de compuestos en conjunto de datos farmacológicos. Como tarea primaria e íntimamente ligada a los propósitos del trabajo, se propone una metodología para la selección de descriptores moleculares linealmente relevantes a las actividades biológicas bajo estudio mediante técnicas del Aprendizaje Automático, que garanticen el principio de comportamiento de vecindad y, por tanto, el buen rendimiento de los algoritmos a comparar. Posteriormente se proponen doce algoritmos aglomerativos jerárquicos y combinatorios, siete de los cuales son clásicos en la literatura especializada y otros cinco son novedosos en esta área del conocimiento. El objetivo fundamental del trabajo es comparar los nuevos algoritmos con el de elección o de Ward. Los experimentos se realizaron empleando ocho conjuntos de datos bien establecidos y validados en la literatura de la Química Medicinal que incluyen compuestos con usos en el tratamiento de problemas cardiovasculares, de enfermedades mentales, antiinflamatorios, entre otros. El tratamiento estadístico de los resultados permitó a los autores concluir que mediante las técnicas de selección de rasgos empleadas es posible establecer un sistema de meta-aprendizaje en conjuntos supervisados que guíen la posterior selección de descriptores moleculares en sistemas análogos pero no supervisados. Además, permite inferir que el grupo de actividades farmacológicas es modelizable a través de unas pocas familias de descriptores moleculares 3D. Finalmente, y como resultado más alentador, conlleva a argumentar que tres de los algoritmos propuestos se comportan de forma superior a la mayoría de los algoritmos clásicos y similarmente (o ligeramente superior en el caso más optimista) al algoritmo de Unión Completa y al de Ward.en_US
dc.identifier.isbn978-959-250-670-1en_US
dc.identifier.urihttps://dspace.uclv.edu.cu/handle/123456789/10504
dc.language.isoesen_US
dc.publisherFeijóoen_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.rights.holderUniversidad Central "Marta Abreu" de Las Villasen_US
dc.subjectEstrategiasen_US
dc.subjectWarden_US
dc.subjectDatosen_US
dc.subjectAprendizajeen_US
dc.subjectAlgoritmosen_US
dc.subjectProblemasen_US
dc.subjectQuimioinformáticaen_US
dc.subjectResultadosen_US
dc.subjectAlgoritmos de conglomeradosen_US
dc.subjectAprendizaje automáticoen_US
dc.titleComparación de estrategias aglomerativas combinatorias tipo Ward usando conjuntos de datos quimioinformáticos y descriptores moleculares reales seleccionados por técnicas de aprendizaje automáticoen_US
dc.typeMonographen_US

Archivos

Bloque original
Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
Comparación-de-estrategias-aglomerativas-combinatorias-tipo-Ward-1.pdf
Tamaño:
1.41 MB
Formato:
Adobe Portable Document Format
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: