Resumen

La ubiquitinación controla la actividad de varias proteínas y pertenece a la modificación post-traduccional. Se utilizan diversas técnicas de aprendizaje automático para predecir los sitios de ubiquitinación en secuencias de proteínas. El artículo propone una nueva arquitectura de MLP, llamada UbiNets, que se basa en Redes Neuronales Convolucionales densamente conectadas (DenseNet). Se utilizan técnicas computacionales de aprendizaje automático, como el Clasificador de Bosques Aleatorios, las Máquinas de Refuerzo de Gradiente y Perceptrones Multicapa (MLP), para el análisis. El objetivo principal de este artículo es explorar la importancia de las técnicas de aprendizaje profundo para la predicción de sitios de ubiquitinación en secuencias de proteínas. Además, los resultados obtenidos muestran que el nuevo modelo propuesto proporciona una precisión significativa. Los resultados experimentales satisfactorios muestran la eficacia del método propuesto para la predicción de sitios de ubiquitinación en secuencias de prote

• Materias:Conjuntos difusos Lógica difusa Criterios múltiples difusos Arquitectura orientada a servicios Enfoque neuronal difuso
• Subjects:Fuzzy sets Fuzzy logic Fuzzy multiple criteria Service-oriented architecture Fuzzy Neural Approach
• Palabras claves:Ubiquitinación; Proteínas; Aprendizaje automático; UbiNets; DenseNet; Aprendizaje profundo
• Keywords:Ubiquitination; Proteins; Machine learning; UbiNets; DenseNet; Deep learning