Diseño y creación de un clasificador de péptidos antibacterianos utilizando técnicas de procesamiento digital de señales y algoritmos de aprendizaje

Simple item page
dc.contributor.advisorSierra Bueno, Daniel Alfonso
dc.contributor.advisorRondon Villarreal, Nydia Paola
dc.contributor.authorCoba Cruz, Diego Fernando
dc.date.accessioned2024-03-03T22:44:23Z
dc.date.available2016
dc.date.available2024-03-03T22:44:23Z
dc.date.created2016
dc.date.issued2016
dc.description.abstractEste informe presenta la descripción del diseño y la obtención de un clasificador de péptidos antimicrobianos que permite realizar una preselección de cadenas peptídicas, de manera que se reduzca el número de experimentos necesarios para encontrar alguna con actividad antibacteriana. Se hace uso de métodos de aprendizaje supervisado para que el sistema aprenda a diferenciar una cadena con la propiedad deseada de una que no la posee. Se implementan los métodos Máquinas de Soporte Vectorial con kernel tanto lineal como de base radial y el algoritmo de Los K Vecinos más cercanos con pesos tanto uniformes como dependientes de la distancia. Se emplean la representación vectorial y la representación en frecuencia obtenida a partir de la representación como señal discreta, cada una tanto normalizada como sin normalizar. Para cada combinación de método de aprendizaje, parámetros libres y representación de datos, se valida el rendimiento mediante el método de Validación Cruzada anidada para finalmente tomar el clasificador con el mejor resultado. Este clasificador final es obtenido mediante el método de Validación Cruzada. El software creado para tal fin se compone de módulos que permiten realizar cada una de las etapas. El resultado final consta de los clasificadores obtenidos, su estimación de rendimiento y el sistema con el que se obtienen. 1
dc.description.abstractenglishDesign and creation of an antibacterial peptide classifier using digital signal processing technics and supervised learning models.3
dc.description.degreelevelPregrado
dc.description.degreenameIngeniero Electrónico
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/35074
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingenierías Fisicomecánicas
dc.publisher.programIngeniería Electrónica
dc.publisher.schoolEscuela de Ingenierías Eléctrica, Electrónica y Telecomunicaciones
dc.rightshttp://creativecommons.org/licenses/by/4.0/
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAttribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.urihttp://creativecommons.org/licenses/by-nc/4.0
dc.subjectClasificador
dc.subjectPéptido
dc.subjectMáquinas De Soporte Vectorial
dc.subjectValidación Cruzada
dc.subjectKnn
dc.subjectPotencial De Interacción Ion Electrón
dc.subjectSeñal Discreta
dc.subjectRepresentación En Frecuencia.
dc.subject.keywordThis paper presents the design and implementation of an antibacterial peptides classifier that allow the pre-selection of those sequences that possess antibacterial activity in order to reduce the quantity of experiments that should be performed to find a successful antibacterial peptide. Supervised learning models were used in order to teach the system how to discriminate a peptide with Support vector machines with linear and radial basis functions
dc.subject.keywordand k-nearest neighbors with uniform and distance dependent weights were implemented. Vector and frequency spectrum mathematical representations where used both normalized and no normalized forms. For each combination of learning model
dc.subject.keywordlearning model parameters and mathematical representation
dc.subject.keywordthe estimated assessment was determined through Nested K Fold Cross Validation process to finally take the one with the best performance which was obtained using K Fold Cross Validation process. Finally
dc.subject.keyworda comparison between the different learning models and representations was made as conclusions of this work. The software created for this purpose is made by modules that allow the development of each one of the process stages. The final result is composed of the obtained classifiers
dc.subject.keywordtheir estimated assessment metrics file and the system through which were gotten. 3
dc.titleDiseño y creación de un clasificador de péptidos antibacterianos utilizando técnicas de procesamiento digital de señales y algoritmos de aprendizaje
dc.title.englishClassifier, Peptide, Support Vector Machine, K Fold Cross Validation, Knn, Electron Ion Interaction Potential, Digital Signal, Frequency Spectrum.
dc.type.coarhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.hasversionhttp://purl.org/coar/resource_type/c_7a1f
dc.type.localTesis/Trabajo de grado - Monografía - Pregrado
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
244.54 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Documento.pdf
Size:
4.03 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
202.63 KB
Format:
Adobe Portable Document Format
Download
Collections
Ingeniería Electrónica