Resumen

Las interacciones proteína-proteína (PPIs), como un importante proceso molecular dentro de las células, son de vital importancia en la función bioquímica de las células. Aunque las técnicas experimentales de alto rendimiento han madurado, permitiendo a los investigadores detectar grandes cantidades de PPIs, tienen desventajas inevitables, como un alto costo y ser consumidoras de tiempo. Estudios recientes han demostrado que las PPIs pueden ser detectadas eficientemente mediante métodos computacionales. Por lo tanto, en este estudio, proponemos un nuevo método computacional para predecir PPIs utilizando únicamente información de secuencias de proteínas. Este método fue desarrollado basado en un algoritmo de aprendizaje profundo - autoencoder disperso apilado (SSAE) combinado con una técnica de extracción de características de momentos de Legendre (LM). Finalmente, se utiliza un clasificador de máquina de vectores de clasificación probabilística (PCVM) para implementar la predicción de PPIs. El método propuesto se realizó en conjuntos de datos humanos

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Interacciones proteína-proteína; Métodos computacionales; Algoritmo de aprendizaje profundo; Momento de Legendre; Precisión predictiva; Máquina de vector de clasificación probabilística
• Keywords:Protein-protein interactions; Computational methods; Deep learning algorithm; Legendre moment; Predictive accuracies; Probabilistic classification vector machine