Examinando por Autor "Tisher, Irene"

Mostrando 1 - 3 de 3
  • No hay miniatura disponible
    PublicaciónSólo datos
    Análisis de código genético usado en la expresión de proteínas, en cuanto a su capacidad para minimizar los efectos causados por mutaciones genéticas, usando simulación y procesos de optimización
    (Universidad del Valle, 2007) Rodríguez Escobar, Kenny; Lasso Cardona, Luis Adrián; Tisher, Irene
    En el proceso de analizar el código genético universal usado en la expresión de proteínas, en cuanto a su capacidad para minimizar los efectos causados por mutaciones genéticas, se toma como camino a seguir para la generación de códigos genéticos aleatorios, en los que en el momento de crearlos se puedan aplicar restricciones inteligentes, que los guíen a la obtención de características similares a las del código genético universal y con los que se puede deducir en qué sentido es óptimo este último.
  • No hay miniatura disponible
    PublicaciónSólo datos
    Combinación de expertos mediante redes bayesianas para la predicción de estructuras secundarias de proteínas
    (Universidad del Valle, 2010) Restrepo Rivera, Jhon Alexander; Tisher, Irene
    Múltiples enfoques se han desarrollado para la predicción de la estructura secundaria de la pro- teína. Cada investigador toma diferentes ejemplos, enfoques y bases de datos en sus experimentaciones; en este trabajo de grado se opto por la combinación de expertos mediante Redes bayesianas con el fin de mejorar la precisión en la predicción de la estructura secundaria de proteínas; este enfoque fue seleccionado por que a través de la teoría de grafos y la teoría de las probabilidades, permiten modelar a los expertos y su combinación mediante relaciones probabilísticas de forma compacta y gráfica. En este trabajo se tomaron dos modelos de Redes Bayesianas y se realizaron mezclas con cuatro expertos con el fin de combinar las predicciones de cada uno. Para realizar la validación de los resultados se utilizaron las medidas estadísticas de sensibilidad, especificidad, promedio entre sensibilidad y especificidad, precisión general y coeficiente de probabilidad positiva. Para obtener los resultado se desarrollo un producto de software, que permite realizar predicciones con los cuatro expertos seleccionados y combinar estos resultados en alguno de los dos modelos de red Bayesiana propuestos; al ejecutar el aplicativo se obtuvieron resultados que muestran que los modelos de redes Bayesianas logran mejorar los indicadores de las predicciones realizadas.
  • Miniatura
    PublicaciónAcceso abierto
    Contact map prediction based on cellular automata and protein folding trajectories
    (Universidad del Valle, 2019) Diaz Mariño, Nestor Milciades; Tisher, Irene
    In Structural Bioinformatics, it is necessary to know the protein¿s tertiary structure because its specific shape is central in its interaction with binding molecules. Being experimental tertiary structure determination a highly expensive process, computational protein structure prediction becomes an alternative option aimed toward cost and technical limitations reduction. In the last decade, residue-residue protein contact prediction (PCP) has taken broad consideration. Currently, PCP has become a common subtask of computational structure prediction. Residue-residue interactions can constraint the space of possible protein conformations, improving protein structure determination. Despite the recent improvements in PCP, the high rate of false positive predicted contacts hinders the applicability of existing PCP tools. To reduce the false positive rate in PCP, we developed a novel approach based on celular automata (CAs), which determines residue-residue contacts that are likely to be actual contacts. Our approach exploits the local interactions found in protein contact maps and the iterative refinement provided by CAs. Our CAs were identified using a parallel genetic algorithm which used for training the PSICOV data set (150 proteins). To benchmark our approach, we used the CASP12 data set (Critical Assessment of Techniques for Structure Prediction, year 2016). Our best CA outperformed the ten PCP tools compared in the benchmark. However, a more detailed analysis using non-parametric Friedman¿s statistical test revealed that our tool does not excel the performance of prominent PCP tools such as MetaPSICOV and RaptorX-Contact. Although our CA-based approach for PCP was successful, the precision for long-range contacts (sequence separation > 24 amino acids) was hard to improve. To enrich local interactions, we proposed a multiclass contact map representation that can improve long-range PCP. Our multiclass contact map was obtained using a large-scale comparison of decision trees. The next step to follow is to reformulate our CA-based approach to incorporate multiclass contacts and repeat the overall process to obtain a new PCP tool