Modeling of proteins

• Autores: Gerardo Alfonso Pérez
• Directores de la Tesis: Raquel Castillo Solsona (dir. tes.)
• Lectura: En la Universitat Jaume I ( España ) en 2023
• Idioma: inglés
• Número de páginas: 198
• Tribunal Calificador de la Tesis: Sergio Martí Forés (presid.), José Javier Ruiz Pernía (secret.), Olalla Nieto Faza (voc.)
• Programa de doctorado: Programa de Doctorado en Química Teórica y Modelización Computacional/Theoretical Chemistry and Computational Modelling por la Universidad Autónoma de Madrid; la Universidad Complutense de Madrid; la Universidad de Barcelona; la Universidad de Cantabria; la Universidad de Extremadura; la Universidad de las Illes Balears; la Universidad de Murcia; la Universidad de Oviedo; la Universidad de Sevilla; la Universidad de Vigo; la Universidad del País Vasco/Euskal Herriko Unibertsitatea; la Universida
• Materias:
  • Física
    • Química física
  • Química
    • Bioquímica
      • Proteínas
• Enlaces
  • Tesis en acceso abierto en: TDX
• Resumen
  • español

    En el artículo I se analizaron cuatro hipótesis en el contexto del mapeo de variables categóricas en problemas de clasificación de proteínas: (1) traducción, (2) permutación, (3) constante y (4) eigenvalues. Los resultados sugieren que estas cuatro hipótesis son válidas. En el artículo II, el enfoque propuesto es capaz de generar una precisión, sensibilidad y especificidad de pronósticos de clasificación del 97,69%, 95,02% y 98,26%, respectivamente, lo que ilustra que una combinación de metilación del ADN con métodos no lineales como las redes neuronales artificiales puede identificar pacientes con un carcinoma. En el artículo III se demostró que los datos de expresión génica pueden ser analizados con éxito con técnicas de aprendizaje automático para diferenciar pacientes sanos y pacientes con enfermedad pulmonar intersticial esclerosis sistémica (EPI-SSc). En el artículo IV, siguiendo un enfoque de aprendizaje automático, fue posible identificar una lista de genes relacionados con la enfermedad inflamatoria intestinal.

  • English

    In paper I the four proposed assumptions in the context of categorical variable mapping in protein classification problems: (1) translation, (2) permutation, (3) constant, and (4) eigenvalues were tested. The results suggest that these four assumptions are valid. In paper II the proposed approach is able to generate an accuracy, sensitivity and specify of classification forecasts of 97.69%, 95.02% and 98.26%, respectively, illustrating that a combination of DNA methylation with nonlinear methods such as artificial neural networks might be useful in the task of identifying patients with a carcinoma. In paper III it was shown that gene expression data can be successfully analyzed with machine learning techniques in order to differentiate healthy patients and patients with interstitial lung disease systemic sclerosis (ILD-SSc). In paper IV, following a machine learning approach, it was possible to identify a list of genes that appear to be related to inflammatory bowel disease