Resumen

Actualmente para la predicción de señales promotoras se usan diferentes métodos computacionales que utilizan como estrategia de predicción métodos intrínsecos probabilísticos tales como secuencias consenso, matrices de score o de puntuación y modelos ocultos de Markov; y métodos intrínsecos como redes neuronales artificiales (RNA), árboles de decisión y estrategias integradoras. No obstante, estos métodos computacionales tienen exactitudes que aún se pueden mejorar causando que no exista consenso entre ellas. Este proyecto plantea el desarrollo de dos modelos de predicción de señales promotoras utilizando como estrategia el uso de redes neuronales artificiales con el propósito de evaluar y comparar dichos modelos. En el primer modelo se emplea la estrategia de utilizar como valores de entrada para la RNA resultados obtenidos por diferentes modelos ocultos de Markov. En el segundo modelo de RNA se emplea la estrategia que utiliza como valores de entrada los resultados obtenidos por otras RNAs de predicción de secuencias de caja consenso ya conocidas. Para este proyecto los modelos propuestos están enfocados sólo a la predicción de promotores reconocidos por el ARN polimerasa tipo II o B de las especies Rattus norvegicus y Mus musculus. Los resultados de las pruebas realizadas indican que los modelos propuestos alcanzan un sensitividad hasta del 74.54% y una especificidad del 82.72% superando a muchos de los predictores de promotores existentes.