Predicción de interacciones proteína-proteína mediante un método basado en aprendizaje de máquina para el análisis de la proteína NS5A del virus GB tipo C

Abstract

La predicción de interacciones proteína-proteína ha sido una herramienta importante para demostrar la causa de una gran cantidad de enfermedades en los seres vivos. Para tal fin, se destacan los métodos basados en aprendizaje de máquina, resaltando aquellos en los cuales se pueden extraer la mayor cantidad de características. Estos métodos, a pesar de que pueden procesar una gran cantidad de datos en un tiempo más corto en comparación de los métodos físicos, pueden tardar una cantidad considerable de tiempo, además de que el uso de funciones kernel no son habitualmente optimizadas. Por tal motivo, en los últimos años se han desarrollado metodologías basadas en aprendizaje de máquina basadas en kernels con el fin de aumentar el rendimiento de las predicciones. En el transcurso del siguiente documento, se desarrolla una metodología de aprendizaje de máquina con múltiples kernel acompañada de un ajuste de parámetros por medio de programación cuadrática y optimización metaheurística, donde se extraen las interacciones positivas y negativas, luego se filtran las secuencias con respecto a su homología por medio de una herramienta llamada CD-HIT cumpliendo con un porcentaje de homología no mayor al 90% . La caracterización consiste en el cálculo de frecuencias de aminoácidos que coinciden en características físico-químicas descritas en la base de datos AAindex. La implementación consiste en una combinación lineal que incluye hasta 10 kernels que cumplen con condiciones específicas en cuanto a los pesos, los cuales se encuentran por medio de la optimización cuadrática y que resultan en una matriz final a partir de la secuencia inicial de kernels. Finalmente se realiza la clasificación teniendo en cuenta la optimización por enjambres de partículas para sintonizar el parámetro C. Como resultado, se obtienen resultados consistentes y competentes con respecto a los predictores existentes en la literatura actual ya los supera en algunos indicadores, para lo cual en el presente documento se evidencian rendimientos que se encuentran alrededor del 80 %. Por lo anterior, se puede afirmar que el aprendizaje por múltiples kernel y la optimización de parámetros puede mejorar notablemente el clasificador para el caso de la predicción de interacciones proteína-proteína