Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)Sierra Bueno, Daniel AlfonsoRondon Villarreal, Nydia PaolaCoba Cruz, Diego Fernando2024-03-0320162024-03-0320162016https://noesis.uis.edu.co/handle/20.500.14071/35074Este 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. 1application/pdfspahttp://creativecommons.org/licenses/by/4.0/ClasificadorPéptidoMáquinas De Soporte VectorialValidación CruzadaKnnPotencial De Interacción Ion ElectrónSeñal DiscretaRepresentación En Frecuencia.Universidad Industrial de SantanderTesis/Trabajo de grado - Monografía - PregradoUniversidad Industrial de Santanderhttps://noesis.uis.edu.coThis 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 functionsand 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 modellearning model parameters and mathematical representationthe 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. Finallya 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 classifierstheir estimated assessment metrics file and the system through which were gotten. 3info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)