Prediction of protein-protein interactions through support vector machines

En este artículo, se implementa un método basado en SVM para la predicción de interacciones proteína-proteína. Este modelo es inicialmente entrenado con un conjunto de más de 69.000 pares de secuencias de proteínas basado en interacciones positivas documentadas. Luego, Se realiza un método de validación cruzada para estimar la precisión del sistema, mostrando rendimientos aceptables en términos de sensibilidad, especificidad y media geométrica. los los resultados son aproximadamente equilibrados y el rendimiento general si alrededor del 70% se clasifica a través de un kernel por pares y los parámetros se establecen a través de una optimización de enjambre de partículas meta-heurística y mostrando resultados prometedores para el campo de la bioinformática.

Abstract

In this paper, a SVM-based method is implemented for the prediction of protein-protein interactions. This model is initially trained with a set of over 69.000 pairs of protein sequences based on documented positive interactions. Then, a cross-validation method is performed for estimating the accuracy of the system, showing acceptable performances in terms of sensitivity, specificity and geometric mean. The results are approximately balanced and the overall performance if around 70% classified through a pairwise kernel and the parameters are set through an particle swarm optimization meta-heuristic and showing promising results for the field of bioinformatics.

Except where otherwise noted, this item's license is described as http://creativecommons.org/licenses/by-nc-nd/4.0/