Revista de Proteómica y Bioinformática
Acceso abierto

abstracto

Una comparación de algoritmos de aprendizaje automático para la predicción de los sitios de escisión de la proteasa NS3 de la hepatitis C

harry chown

La hepatitis es una enfermedad global que está en aumento y actualmente es la causa de más muertes que el virus de la inmunodeficiencia humana cada año. Como resultado, existe una creciente necesidad de antivirales. Previamente, se han encontrado antivirales efectivos en forma de inhibidores de proteasa antiviral miméticos de sustrato. La aplicación del aprendizaje automático se ha utilizado para predecir patrones de escisión de proteasas virales para proporcionar información para el diseño de fármacos futuros. Este estudio ha aplicado y comparado con éxito varios algoritmos de aprendizaje automático con los datos de escisión de la serina proteasa NS3 viral de la hepatitis C. Los resultados han encontrado que las diferencias en los métodos de extracción de secuencias pueden superar las diferencias en la elección del algoritmo. Los modelos producidos a partir de conjuntos de datos pseudocodificados se realizaron con gran precisión y superaron a los modelos creados con conjuntos de datos codificados ortogonalmente. Sin embargo, ningún pseudomodelo se desempeñó significativamente mejor que cualquier otro. La evaluación de las medidas de rendimiento también muestra que la elección correcta del sistema de puntuación del modelo es esencial para la evaluación imparcial del modelo.