Escudo de la República de Colombia
Sistema Nacional de Biliotecas - Repositorio Institucional Universidad Nacional de Colombia Biblioteca Digital - Repositorio Institucional UN Sistema Nacional de Bibliotecas UN

Estrategias multi-etiqueta orientadas a la predicción funcional de proteínas en organismos embryophyta

Giraldo Forero, Andrés Felipe (2015) Estrategias multi-etiqueta orientadas a la predicción funcional de proteínas en organismos embryophyta. Maestría thesis, Universidad Nacional de Colombia - Sede Manizales.

Texto completo

[img]
Vista previa
PDF - Versión Aceptada
Available under License Creative Commons Attribution Non-commercial No Derivatives.

3MB

Resumen

Tradicionalmente, la identificación de funciones en proteínas se ha venido desarrollando por complejos y costosos procedimientos experimentales junto con mecanismos computacionales que buscan similitudes a través de alineamientos secuencia-secuencia, secuencia-perfiles, entre otros. Sin embargo, estos métodos pierden efectividad cuando proteínas con igual función presentan bajas similitudes, los sistemas más recientes emplean métodos de aprendizaje de maquina en espacios que son representados por características evolutivas, químicas, físicas, estadísticas, entre otras. Pero, ´estos se han restringido a problemas donde las clases son mutuamente excluyentes, buscando suplir debilidades de los sistemas tradicionales como: velocidad de inferencia y grado de acierto, este trabajo se ha centrado en el estudio de métodos que manejen simultáneamente múltiples etiquetas. En esta tesis se desarrolla un estudio sobre problemas de clasificación que involucran simultáneamente múltiples etiquetas, para este fin son ajustados una variedad de modelos que capturan la correlación entre las clases, igualmente se proponen un conjunto de alternativas para tratar el desbalance de clases sobre estos problemas. También se analizan y discuten las medidas usadas para calcular los rendimientos de clasificación. Las estrategias analizadas se probaron experimentalmente sobre diferentes conjuntos de datos, pertenecientes a diversas labores tales como: predicción de funciones de proteínas, clasificación de imágenes, análisis de textos y detección de emociones. Los resultados mostraron que la relevancia binaria es la opción más adecuada cuando no existen altos grados de dependencia entre las clases, y que las medidas utilizadas actualmente no son adecuadas para identificar sensibilidades en los algoritmos y que el balance de clases por sobremuestreo en problemas multi-etiqueta afecta de manera negativa el rendimiento de clasificación, Abstract : Traditionally, function identification in proteins has been accomplished by complex and expensive experimental procedures, in conjunction with computacional mechanisms based on sequence-sequence alignments and sequence-profile alignments. Those methods are less effective when proteins present low structural similarity. Recent approaches use machine learning methods over representation spaces of evolutionary, chemical, physical and statistical features, among others. However, traditional machine learning is only intended to problems with mutually exclusive classes. In this thesis, a study on classification problems with multiple labels is developed. Several models are adjusted to capture the correlation among classes, and a set of alternatives to manage class imbalance is also provided. Besides, common performance measures for multilabel problems are analyzed and discussed. All the strategies are experimentally tested over several datasets, comprising different real-world applications such as protein function prediction, natural scene clasification, text analisys and detection of emotions. Results showed that the best strategy is binary relevance when there are not high dependencies among classes. Additionally, the measures currently used are inadequate to identify sensitivities of the algorithms

Tipo de documento:Tesis/trabajos de grado - Thesis (Maestría)
Colaborador / Asesor:Castellanos Dominguez, César Germán and Jaramillo Garzón, Jorge Alberto
Información adicional:Tesis presentada como requisito parcial para optar al título de: Magíster en Ingeniería - Automatización Industrial.
Palabras clave:Adaptación del algoritmo, Bioinformática, Ontología del gen, Clasificación multi-etiqueta, Transformación del problema, Proteínas, Algorithm adaptation, Bioinformatics, Gene ontology, Multi-label clasification, Problem transformation, Proteins
Temática:0 Generalidades / Computer science, information & general works
5 Ciencias naturales y matemáticas / Science > 57 Ciencias de la vida; Biología / Life sciences; biology
6 Tecnología (ciencias aplicadas) / Technology
Unidad administrativa:Sede Manizales > Facultad de Ingeniería y Arquitectura > Departamento de Ingeniería Eléctrica, Electrónica y Computación
Código ID:51063
Enviado por : Andrés Felipe Giraldo Forero
Enviado el día :02 Mar 2016 22:16
Ultima modificación:02 Mar 2016 22:16
Ultima modificación:02 Mar 2016 22:16
Exportar:Clic aquí
Estadísticas:Clic aquí
Compartir:

Solamente administradores del repositorio: página de control del ítem

Vicerrectoría de Investigación: Número uno en investigación
Indexado por:
Indexado por Scholar Google WorldCat DRIVER Metabiblioteca OAIster BASE BDCOL Registry of Open Access Repositories SNAAC Red de repositorios latinoamericanos eprints Open archives La referencia Tesis latinoamericanas OpenDOAR CLACSO
Este sitio web se ve mejor en Firefox