Predicción de superfamilias usando modelos 3D enriquecidos con propiedades fisicoquímicas
Barra lateral del artículo
Contenido principal del artículo
En este artículo se presenta dos nuevos métodos para la predicción de superfamilias. En el problema de la predicción
de superfamilias cada secuencia de aminoácidos se debe clasificar en una de las clases estructurales conocidas (i.e.,
superfamilias). La mayoría de las estrategias que se han propuesto para predecir superfamilias se basan en usar
los clasificadores binarios que detectan homólogos remotos. Detectar homólogos remotos está relacionado con
encontrar un clasificador que es capaz de indicar si una proteína es, o no, un homólogo remoto de un conjuntos de
proteínas. Los métodos actuales para detectar superfamilias toman las salidas de los clasificadores binarios para cada
superfamilia y construyen un modelo de clasificación. A diferencia de los métodos actuales, los cuales representan
a las proteínas considerando la composición de aminoácidos, nosotros usamos el número de veces que modelos
3D enriquecidos con propiedades fisicoquímicas ocurren tanto en el mapa de contacto predicho como en la matriz
de interacción. Nuestra hipótesis es que al incluir los modelos 3D con las propiedades fisicoquímicas se puede
tener un impacto en la exactitud obtenida durante la predicción de superfamilias. En este artículo se presenta dos
nuevas estrategias para predecir superfamilias, los métodos single-MCS y hierarchical-MCS, los cuales alcanzan
una exactitud del 74% y 76% en el conjunto SCOP 1.53, respectivamente. Además, se presentan otras pruebas
realizadas en los conjuntos SCOP 1.55 y SCOP 1.61.
Descargas
- Irene Tischer, Desarrollo Económico de los Países del Tercer Mundo: Su efecto en los Industrializados , INGENIERÍA Y COMPETITIVIDAD: Vol. 1 Núm. 2 (1998)
- Irene Tischer, Andrés Carrión, La Planificación Jerárquica y su Aplicación a la Cosecha de la Caña de Azúcar en Colombia , INGENIERÍA Y COMPETITIVIDAD: Vol. 4 Núm. 2 (2003)
- Irene Tischer, Martín Moreno, Mercedes Andrade, Normalización de la Calidad del Almidón Agrio de Yuca, a través de Mezclas de Almidones y de Raíces de Yuca , INGENIERÍA Y COMPETITIVIDAD: Vol. 4 Núm. 2 (2003)
- Oscar F. Bedoya, Irene Tischer, Detección de homología remota de proteínas usando modelos 3D enriquecidos con propiedades fisicoquímicas , INGENIERÍA Y COMPETITIVIDAD: Vol. 17 Núm. 1 (2015): Revista Ingeniería y Competitividad
- Irene Tischer, Martín Moreno, Influencia de la Localización del Almidón Nativo de Yuca en el Canal de Sedimentación sobre la Calidad del Almidón Agrio , INGENIERÍA Y COMPETITIVIDAD: Vol. 6 Núm. 1 (2004)
- Heidy Rueda, Irene Tischer, Simulación de los Procesos Controladores de la Represa Salvajina , INGENIERÍA Y COMPETITIVIDAD: Vol. 3 Núm. 2 (2001)
Los autores que publican en esta revista están de acuerdo con los siguientes términos:
- Los autores conservan los derechos de autor y garantizan a la revista el derecho de ser la primera publicación del trabajo al igual que licenciado bajo una Creative Commons Attribution License que permite a otros compartir el trabajo con un reconocimiento de la autoría del trabajo y la publicación inicial en esta revista. A partir del volumen 22 número 1 (2020), la revista adopta la licencia CC BY-NC-SA 4.0.
- Los autores pueden establecer por separado acuerdos adicionales para la distribución no exclusiva de la versión de la obra publicada en la revista (por ejemplo, situarlo en un repositorio institucional o publicarlo en un libro), con un reconocimiento de su publicación inicial en esta revista.
- Se permite y se anima a los autores a difundir sus trabajos electrónicamente (por ejemplo, en repositorios institucionales o en su propio sitio web) antes y durante el proceso de envío, ya que puede dar lugar a intercambios productivos, así como a una citación más temprana y mayor de los trabajos publicados.