García Lorenzo, María MatildeGrau Ábalo, Ricardo del CorazónBonet Cruz, Isis2017-03-132017-03-132005-07-15https://dspace.uclv.edu.cu/handle/123456789/7592El objetivo de este trabajo es predecir la resistencia del virus del VIH ante inhibidores de la Proteasa, a partir de bases de casos de genotipo y fenotipo. En aras de de dar solución a este problema se diseñó como un modelo de clasificación, para el que se construyeron las bases de casos, a partir de la información disponible en la base de datos de Stanford para 7 inhibidores de esta enzima, quedando conformadas 7 bases, una para cada inhibidor. El conocimiento se representó usando, como descriptores del genotipo, dos variantes: las energías de contacto asociadas a cada aminoácido y el cambio de energía con respecto a al HXB2, como secuencia de referencia. Además se transformó la medida de resistencia en dos clases: resistente y susceptible. Los tres métodos de clasificación usados en este trabajo son SVM, MLP y redes recurrentes bidireccionales. La implementación del software NEngine permite la creación, entrenamiento y explotación de este último método. Se analizaron dos formas de procesar las salidas de las redes bidireccionales, una partiendo de la moda y otra, seleccionando sólo la salida del medio. Para validar los resultados obtenidos con estas técnicas se usó cross-validation y métodos estadísticos de comparación de poblaciones, obteniéndose como conclusión que las dos representaciones de la secuencia mutada son buenos descriptores del genotipo. Se demostró, además, que las redes bidireccionales pueden ser usadas como un método de clasificación para este problema, obteniéndose los resultados de predicción más altos o comparables con resultados anteriores.esEste 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 LicensePredicciónResistencia del VIHGenotipo y FenotipoTécnicas de Inteligencia ArtificialBioinformáticaDosificación de FármacosRedes Neuronales ArtificialesVirus de Inmunodeficiencia Humana (VIH)Thesis