Resumen

Las proteínas que interactúan consigo mismas (SIPs) desempeñan un papel influyente en la regulación de la estructura y función celular. Por lo tanto, es de vital importancia identificar si las proteínas interactúan entre sí. Aunque existen algunos métodos experimentales para el reconocimiento de la auto-interacción, las limitaciones de estos métodos son tanto costosas como consumidoras de tiempo. Por lo tanto, es muy necesario desarrollar un método computacional eficiente y estable para predecir SIPs. En este estudio, desarrollamos un método computacional efectivo para predecir SIPs basado en un clasificador de bosque de rotación (RF), combinado con un histograma de gradientes orientados (HOG) y la técnica de sobremuestreo sintético de minorías (SMOTE). Al realizar la predicción de SIPs en conjuntos de datos de levadura y humanos, el método propuesto logra precisión superior del 97.28% y 89.41%, respectivamente. Además, el enfoque propuesto se comparó con los clasificadores de máquina de vectores

• Materias:Colonias de abejas artificiales Inteligencia artificial Patrón espacial Innovación de la comunicación Algoritmo de red neuronal
• Subjects:Artificial bee colonies Artificial intelligence Spatial pattern Communication innovation Neural network algorithm
• Palabras claves:Proteínas; Auto-interactuantes; SIPs; Método computacional; Predicción; Experimental
• Keywords:Proteins; Self-interacting; SIPs; Computational method; Prediction; Experimental