Métodos para la selección de características y clasificación de péptidos antimicrobianos
Los péptidos antimicrobianos (AMPs) son una alternativa potencial para combatir los patógenos resistentes a antibióticos debido a que poseen múltiples mecanismos de acción en contra de microbios tales como: bacterias, hongos y virus. Estos péptidos se encuentran en la naturaleza en casi todas las fo...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Estado: | Versión publicada |
| Fecha de publicación: | 2014 |
| País: | México |
| Institución: | Centro de Investigación Científica y de Educación Superior de Ensenada |
| Repositorio: | Repositorio Institucional CICESE |
| Idioma: | español |
| OAI Identifier: | oai:cicese.repositorioinstitucional.mx:1007/445 |
| Acceso en línea: | http://cicese.repositorioinstitucional.mx/jspui/handle/1007/445 |
| Access Level: | acceso abierto |
| Palabra clave: | info:eu-repo/classification/Autor/Péptidos antimicrobianos info:eu-repo/classification/cti/1 info:eu-repo/classification/cti/12 info:eu-repo/classification/cti/1203 |
| Sumario: | Los péptidos antimicrobianos (AMPs) son una alternativa potencial para combatir los patógenos resistentes a antibióticos debido a que poseen múltiples mecanismos de acción en contra de microbios tales como: bacterias, hongos y virus. Estos péptidos se encuentran en la naturaleza en casi todas las formas de vida como parte del sistema inmune. Los AMPs son una plantilla interesante para producir nuevos agentes antimicrobianos selectivos, es decir, péptidos con alta actividad antimicrobiana pero con bajos niveles de toxicidad en el orga- nismo huésped. Las técnicas tradicionales para el diseño y optimización de péptidos pueden ser tardadas y costosas, por lo que asistirse de herramientas computacionales puede ayudar a limitar el vasto espacio de secuencias que se tienen que evaluar en el laboratorio.Un método para la predicción de péptidos antimicrobianos (AMPs) y no antimicrobianos (no AMPs) es QSAR (Quantitative Structure-Activity Relationship). Este método relaciona las propiedades ?sicoquímicas (descriptores moleculares) del péptido con su actividad biológica mediante un modelo matemático. Un aspecto importante para la construcción del modelo es la selección de los descriptores moleculares. Actualmente, existen miles de descriptores medibles en los péptidos, por lo que elegir los descriptores moleculares que capturen las pro- piedades relevantes de los AMPs se torna una tarea difícil. Las principales razones de esta di?cultad son: primero, no se conoce una regla determinista que gobierne la elección de los descriptores; segundo, explorar el espacio de todos los posibles subconjuntos de descriptores no es factible, ya que el espacio de búsqueda es de tamaño 2n (donde n es el número de descriptores). En el presente trabajo se propone el diseño de un algoritmo para la selección de características compuesto principalmente por dos elementos: un algoritmo genético para la generación y búsqueda e?ciente de los posibles subconjuntos de características y una máquina de soporte vectorial (SVM) para evaluar la calidad del subconjunto seleccionado. El algoritmo recibe como entrada un conjunto de péptidos con y sin actividad antimicrobiana, un conjunto X de características y un modelo de clasi?cación. La salida del algoritmo es el subconjunto de descriptores con la máxima exactitud del modelo de clasi?cación. Los resultados indican que con el mejor subconjunto encontrado de características se puede construir un modelo de clasi?cación que predice correctamente la actividad del 96% de los péptidos de prueba. Este mismo modelo logra una exactitud de 82.3% sobre un conjunto de casos desconocidos para el algoritmo |
|---|